#Question Decomposition

3 篇

Better Decomposition, Free Aggregation: A Synthesizer-Folding Framework for Multilingual Multi-Hop Question Answering

面向多语言多跳问答的延迟翻译与合成器折叠框架

🧭 多语言RAG · 问题分解与延迟翻译

School of Computer Science and Engineering, Northeastern University, Shenyang, China · Yunnan Key Laboratory of Artificial Intelligence, Kunming University of Science and Technology, Kunming, China

Syfer 通过延迟翻译和子问题图质量检查，在保持精度同时降低多语言 RAG 成本

📌 工作参考价值（4 点）

跨语言电商搜索/问答中，不必默认把 query 翻译成英文再召回；可先按原语言分解并做质量检查，通过则直接在目标语言检索与作答，失败才启用英文翻译路径，节省翻译成本和保留本地化语义。
复杂购物意图可拆成带约束的子问题图，在 Agent 执行前增加一道 decomposition-quality check，避免冗余子任务引入的错误累积。
多跳检索问答采用顺序 retrieve-then-answer，让子问题共享上下文，比先生成全部子问题再聚合结果更能抑制误差放大；这一点可迁移到多 Agent 协作的任务规划。
双语子问题图对齐只在翻译 fallback 时启用，作为低成本的跨语言一致性保障，适合需要兼顾效果与推理预算的生产环境。

RAG | 2026-08-13 | cs.CL | score 6/10

DeLIVeR: Decomposed Learning for Information-grounded Veracity Recognition via Reinforced Knowledge Graph Exploration

基于强化知识图谱探索的分解学习框架用于事实核查

🧭 推理增强 · 强化知识图谱检索

University of Louisville · Denison University

将声明分解为多个查询，用强化学习优化知识图谱探索策略，事实核查 F1 提升 10–15%

📌 工作参考价值（4 点）

复杂查询的分解与推理：电商搜索中用户长尾/多条件意图，可借鉴 Planner LLM 将 query 分解为子问题，再到结构化 KG（商品属性、品牌关系）中检索证据，提升复杂 query 的召回精度和可解释性。
用 GRPO 优化检索策略：若需训练 query 改写或检索路径选择模型，可采用 Group Relative Policy Optimization，以最终结果准确性+检索多样性为奖励，避免传统监督信号昂贵的问题，适合在线上持续优化搜索或推荐 agent。
知识图谱替代纯文本检索：在 RAG 管线中，用 KG 存储商品/用户结构化信息，由分解后的子查询定向抽取子图，可有效减少 LLM 幻觉，适合需要事实级准确性的场景（如营养成分、尺码对比推荐）。
多样性与可审计的设计：奖励中加入结构多样性，能防止检索结果单一化，同时 KG 路径可天然提供审计链，这对电商合规和用户信任构建有直接价值。

RAG | 2026-07-20 | cs.CL | score 7/10

Fact-checking Knowledge Graph Reinforcement Learning GRPO Question Decomposition RAG

Operads for compositional reasoning in LLMs

LLM组合推理的Operad数学框架

🧭 LLM多步推理的形式化数学框架

Incubilate · Allen Institute for Artificial Intelligence

用Operad代数形式化问题分解，提出Operadic一致性度量，可预测多步推理准确性

📌 工作参考价值（4 点）

在电商问答、多跳查询中，可计算Operadic一致性来监控推理链路可靠性，替代单纯依赖输出概率或自洽性。
一致性得分与准确率强相关，可作为无监督信号筛选更优的分解模板或中间答案，降低人工标注成本。
将推理步骤抽象为操作数，便于设计模块化、可复用的推理流水线，适配不同业务逻辑的组合。
该框架不限于QA，可用于任何需要组合子任务的多Agent协作或推荐解释生成，提供统一的数学语义。

Reasoning | 2026-06-11 | cs.CL | score 7/10

Operads Question Decomposition Compositional Reasoning Consistency Multi-hop QA LLM Evaluation