摘要
适应性检索承诺通过让控制器搜索、检查邻域、修正动作并在证据充分时停止，从而使知识图谱问答变得更加稳健。我们通过引入 TraceBound，一种轻量级的基于配置文件和轨迹的诊断协议，来研究这一前提，适用于文本丰富的知识图谱上的 ARK 风格检索器。
TraceBound 在检索之前暴露紧凑的查询配置文件，在可观察的失败症状后发出简短的轨迹提示，并记录轨迹计数器，同时保持图数据、工具、黄金标签和排名指标不变。在 STaRK 验证和保留子集的实验中，增加的条件性提高了可检查性，但在开放权重控制器下却持续降低了检索质量。配对轨迹分析将退化局限于重复调用、零结果调用和错误分配的探索预算，而更严格的交互预算则缩短了轨迹，但未能修复策略。结果表明，"思考之前的检索" 必须被视为一个动作选择的控制问题，而不是简单的提示格式变化。
博主点评： TraceBound 的研究揭示了在知识图谱检索中，控制策略的有效性远比单纯的提示调整要重要。通过精确的轨迹分析，我们能够识别出导致检索质量下降的具体原因，从而为未来的检索优化提供了重要的理论基础。