无需训练 多跳问答的协同进化图形和文本记忆

多跳问答需要协调推理步骤中的关系和文本证据，文本语料库和知识图都无法单独提供这种组合。之前的工作通常只强调这个循环的一部分：图形增强的 RAG 从预先构建的或查询更新的图形中检索，KGQA 系统在以主题为中心的子图中进行搜索，而记忆增强的代理则维持不断发展的记忆，而无需不断地使图形内存与文本上下文保持一致。我们提出了 Co-E，一个围绕同步双向图文本工作记忆构建的 无需训练 系统。同步周期会合并文本内存，将关系三元组提取到图形内存中，并将图形事实注入回生成上下文中。因为这两种记忆都被保留，所以它们决定了随后的检索和生成。根据六个多跳 QA 基准进行评估，Co-E 比可比较的 无需训练 开放主干基线有所改进，并且与更大或训练有素的系统相比具有竞争力。