GraphEvoResearcher
一种面向多跳问答的免训练自反思推理协议。它将推理过程组织为显式推理图，节点表示中间结论或证据，边编码支持、矛盾与依赖关系，并设计图感知元奖励函数结合正确性、效率、反思质量、多样性与结构信号来决定修正、回溯或停止，从而提升准确率并降低推理成本。
时间轴 (近 90 天)
GraphEvoResearcher 提出了一种免训练的自反思协议，将自反思元奖励提升到显式推理图上，其中节点是中间结论/证据，边编码支持、矛盾和依赖关系。
GraphEvoResearcher 设计了图感知元奖励函数，综合五类信号来决定下一步动作：正确性、效率、反思质量、多样性和结构信号（连通性、无环性、分支覆盖率、路径收敛度）。
在 DeepSeek 真实 LLM 上，研究者在 GSM8K、MATH 和 BBH 三个基准上各取 50 个样本进行评测，GraphEvoResearcher 分别达到 98%、92% 和 82% 的准确率，在所有基线中最高。
在 MATH 数据集上，GraphEvoResearcher 比单次生成提升 24 个百分点，比扁平反思提升 12 个百分点。
GraphEvoResearcher 的构建过程保持在约 2 步、4.5–5 个节点的水平，远低于穷举式反思的消耗。
实验规模为每个数据集 50 个样本，结论的统计稳健性有待更大规模验证。
图构建本身依赖 LLM 正确抽取节点和边关系，抽取错误可能传导至后续决策。
全部知识事实 (7)
GraphEvoResearcher 提出了一种免训练的自反思协议，将自反思元奖励提升到显式推理图上，其中节点是中间结论/证据，边编码支持、矛盾和依赖关系。
50%待验证GraphEvoResearcher 设计了图感知元奖励函数，综合五类信号来决定下一步动作：正确性、效率、反思质量、多样性和结构信号（连通性、无环性、分支覆盖率、路径收敛度）。
50%待验证在 DeepSeek 真实 LLM 上，研究者在 GSM8K、MATH 和 BBH 三个基准上各取 50 个样本进行评测，GraphEvoResearcher 分别达到 98%、92% 和 82% 的准确率，在所有基线中最高。
50%待验证在 MATH 数据集上，GraphEvoResearcher 比单次生成提升 24 个百分点，比扁平反思提升 12 个百分点。
50%待验证GraphEvoResearcher 的构建过程保持在约 2 步、4.5–5 个节点的水平，远低于穷举式反思的消耗。
50%待验证实验规模为每个数据集 50 个样本，结论的统计稳健性有待更大规模验证。
50%待验证图构建本身依赖 LLM 正确抽取节点和边关系，抽取错误可能传导至后续决策。
50%