DeFT-RAG: Decomposing Multi-Hop Questions into Self-Contained Sub-Questions with Reusable Answers
DeFT-RAG：将多跳问题分解为带可复用答案的自包含子问题
🧭 多跳 RAG 子问题分解与缓存复用
University of Texas at Dallas
DeFT-RAG 用自包含子问题分解、规则化状态跟踪和 QA 缓存复用，提升多跳 RAG 准确率并降低 LLM 调用成本
📌 工作参考价值
- 在电商客服或商品知识问答中，把多跳问题拆成“自包含”子问题，每个子问题显式带出所有实体，避免让 LLM 自己规划依赖图；可显著减少状态跟踪和错误传播。
- 将“哪些已答、下一步该问什么”等状态更新从 LLM 中剥离，用规则表维护 QA 状态，再用轻量决策模型做 yes/no 判断，能大幅降低 LLM token 消耗和推理延迟。
- 缓存跨请求的 QA 对，遇到语义相同的子问题直接复用答案，适合推荐系统中用户高频重复的子查询（如商品属性、活动规则），可在不牺牲准确率的前提下减少 12%+ 的 LLM 调用。
动机：RAG 在多跳问题上表现差：图方法一次性检索只覆盖问题中出现的实体，难以恢复完整证据链；迭代方法逐步找回证据，但要求 LLM 同时完成子问题规划、依赖判断、重写和状态跟踪，准确率受限。
方法关键点：
- 自包含子问题生成：每次基于原始问题和已回答的 QA 对生成一个子问题，子问题显式命名所有涉及实体，无需规划依赖、重写或跟踪全局状态。
- 状态跟踪外置：用规则更新 QA 表跟踪已知信息，用微调的轻量决策模型做 yes/no 判断，仅保留生成子问题这一项核心 LLM 任务。
- QA 缓存复用：缓存 QA 对，后续子问题语义相同时直接复用答案，减少 LLM 调用。
关键结果：在 MuSiQue、2WikiMultiHopQA、HotpotQA 三个基准上，以 gpt-4o-mini 和 Qwen3.6 为骨干，DeFT-RAG 在 13 个 baseline 中准确率最高，同时输入 token 少于所有其他迭代方法；跨 1000 个 MuSiQue 问题的 QA cache 使 23.1% 的子问题从缓存回答，LLM 调用减少 12.9%，准确率不降。