QueryFlow：自适应查询演化的多跳图检索
热点事件持续更新
QueryFlow：自适应查询演化的多跳图检索
1 篇报道1 个报道来源2 小时前更新
先了解这件事
AI 综述
Manzong Huang 等发布论文提出 QueryFlow，将多跳证据检索看作证据表示与查询条件的协同演化：它循环地把图上下文的查询条件摘要整合进一个共享查询状态，再由该状态控制后续传播的边界输入与关系特征。 论文称，在四个多跳问答数据集上，QueryFlow 的 macro Recall@10、Full Recall@10 和 LLM-Acc 分别比代表性基线提升 4.98、8.40 和 8.0 个百分点。
AI 根据报道生成 · 2 小时前更新
最新进展11月4日 13:00
QueryFlow：用自适应查询演化做多跳图检索报道时间线
沿着报道，了解事件的不同侧面。
11月4日
- arXiv · cs.AIQueryFlow：用自适应查询演化做多跳图检索
QueryFlow 将多跳证据检索视为证据表示与查询条件的协同演化，把图上下文的查询条件摘要循环整合进共享查询状态，用于控制后续传播的边界输入与关系特征。在四个多跳问答数据集上，其 macro Recall@10、Full Recall@10 和 大语言模型（LLM，Large Language Model）-Acc 分别比代表性基线提升 4.98、8.40 和 8.0 个百分点。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。