[Submitted on 29 Jul 2026]

View PDF HTML (experimental)

Abstract:多輪資訊尋求對話需要跨回合的多跳推理與長程依賴追蹤。然而，現有RAG系統通常將對話記憶表示為原始對話歷史、重寫查詢或非結構化摘要，導致難以恢復特定先前的推理步驟與後續查詢所需的證據。我們的核心洞見是透過將對話脈絡表示為子問題層級的推理軌跡，來對齊對話記憶與檢索。基於此洞見，我們引入MuMu-QA，一個具明確跨回合子問題依賴標註的多輪多跳RAG基準，以及針對此情境設計的互補記憶框架CMT-RAG。在每一回合中，CMT-RAG採用狀態空間軌跡生成器，其遞迴狀態作為執行時記憶，整合近期對話脈絡並將當前查詢分解為包含檢索導向子問題及對先前軌跡依賴的結構化軌跡草稿。接著，它透過檢索證據將這些草稿具體化，並將其作為持久記憶軌跡儲存在會話層級DAG中，使後續回合能有效恢復相關的先前推理與證據。在MuMu-QA與語料層級RAG基準上的實驗顯示，CMT-RAG在答案準確度上持續優於五類RAG基線。

Submission history

From: Lang Zhou [view email]
[v1] Wed, 29 Jul 2026 04:50:41 UTC (927 KB)