KAMR：通过知识对齐的多跳检索为生成提供依据

基于图的检索增强生成越来越依赖于多跳检索，其中回答查询需要组成多个连接的知识图三元组。然而，现有的 检索器 通常通过全局语义匹配独立地对三元组进行排名。此外，许多多跳基准仅提供最终答案，这限制了对查询三元组对齐的监督，并导致结构上必要但弱对齐的事实被遗漏。为了解决这些问题，我们提出了一种知识对齐的多跳 检索器，KAMR，它将受查询强烈约束的锚三元组与弱对齐但在结构上链接到锚的连接三元组区分开来。为了缓解查询三元组对齐监督的缺乏，我们通过屏蔽三元组元素并提示 LLM 生成相应的查询来构建部分对齐数据集，并优化配对级和元素级匹配的两个对比目标。在推理时，KAMR 全局检索锚点，然后在本地扩展以收集关联证据。在四个基准、三个 LLM 主干和十四个基线中，KAMR 持续改进多跳检索和下游问答性能。