更好的分解，自由聚合：多语言多跳问答的合成器折叠框架

多语言检索增强生成 (mRAG) 使 大语言模型 能够访问全球分布的外部知识，以进行复杂的多语言问答。最近的方法要么将检索到的文档翻译成英语或查询语言以弥合跨语言语义差距，要么将复杂的查询分解为子问题并聚合中间推理过程。然而，这两种工作都受到两个限制。首先，一刀切的翻译对齐，一揽子翻译丢弃了目标语言特有的文化和语言上的本地信息，引入了翻译噪音，并增加了系统成本。其次，贪婪分解和聚合，不受控制的分解会产生冗余的子问题，这些子问题会在逐步推理过程中复合错误，而推理路径上的最终聚合会进一步放大这些错误。我们用我们的方法 Syfer 解决了这两个问题，Syfer 是一个用于多语言多跳问答的合成器折叠框架，它推迟翻译而不是默认应用翻译。 Syfer 首先调用格式受限的分解器以原始语言生成子问题图，然后进行分解质量检查；当检查通过时，子问题将按照目标语言的“检索然后回答”策略顺序回答，只有当检查失败时，才会激活具有双语子问题图对齐的英语翻译路径。跨多种语言的实验表明，Syfer 获得了有竞争力的准确性，同时在性能和计算成本之间取得了良好的平衡。