多跳推理近期进展 多跳推理是人工智能领域的一个重要研究方向，它旨在让机器能够理解复杂问题并做出推理。近期，这一领域取得了一系列进展。 AdaPath：生物医学知识图谱问答新框架 原文标题：AdaPath 是一种新的生物医学知识图谱问答框架，它通过自适应路径规划来提高问答系统的性能。 FedV-KGQA：跨垂直分割知识图谱的多跳问答框架 原文标题：FedV-KGQA 是一个跨垂直分割知识图谱的多跳问答框架，旨在解决不同领域知识图谱问答的问题。 VAKRA：在工具使用策略下评估跨API与检索的多跳推理 原文标题：VAKRA 通过评估跨API与检索的多跳推理，研究了工具使用策略对推理性能的影响。 Chained RLM：链式递归语言模型实现多迭代推理 原文标题：Chained RLM 是一种链式递归语言模型，能够实现多迭代推理，提高推理的准确性。 当前焦点与观察点 在多跳推理领域，当前的研究焦点主要集中在如何提高推理的准确性和效率。例如，CMU 的研究揭示了通过让大模型“睡觉”可以提升多跳推理准确率52% 原文标题。此外，斯坦福的研究表明，在多跳推理中，单智能体系统在某些情况下可能优于多智能体系统 原文标题。