近期，我院黄玉娇副教授与浙江工业大学杨旭华教授团队在多跳问答与大语言模型推理领域取得新的研究进展。相关成果以 “Retrieval-Augmented Generation for Multi-Hop Question Answering Based on Structured Planning”为题，发表于国际学术期刊 ACM Transactions on Knowledge Discovery from Data。该期刊为ACM旗下数据挖掘与知识发现领域的重要学术期刊。黄玉娇副教授为论文第一作者，杨旭华教授为通讯作者，合作作者包括硕士生杨凌与徐新黎副教授。

  该论文提出了一种基于结构化规划的多跳问答检索增强生成方法。该方法通过在检索前进行问题规划，为迭代检索过程提供语义层面的指导，从而增强检索过程与推理过程之间的一致性。同时，研究引入结构化证据抽取机制，对检索得到的信息进行结构化筛选，有效过滤无关或噪声内容，为多跳推理提供更加可靠的证据支持。实验结果表明，该方法能够显著缓解检索偏差和信息噪声对推理过程的影响，在保证推理稳定性的同时取得了具有竞争力的性能表现。该研究为提升检索增强生成系统在复杂推理任务中的可靠性与可解释性提供了新的思路。

论文链接：https://dl.acm.org/doi/10.1145/3789506