3. PathRouter: Aligning Rewards with Retrieval Quality in Agentic Graph RAG

  • 类型：arxiv
  • 标识：2606.16409
  • 链接：http://arxiv.org/abs/2606.16409v1
  • 主题：agent, database, engineering, evaluation, llm-infra, multimodal, rag, risk
  • 主分类：rag
  • 形态：method
  • 被引：0
  • 被引来源：Semantic Scholar + OpenAlex
  • S2被引：0
  • OpenAlex被引：0
  • 影响力被引：0
  • TLDR：This work presents PathRouter, a path-aware training framework for agentic GraphRAG that jointly evaluates each trajectory along answer correctness and evidence-path overlap, yielding four trajectory categories with differentiated GRPO advantage scaling that suppresses shortcut reinforcement while preserving evidence-seeking behavior.
  • OpenAlex ID：W7164942249
  • OpenAlex DOI：10.48550/arxiv.2606.16409
  • DOI：10.48550/arxiv.2606.16409
  • DOI来源：OpenAlex
  • 开放获取：green
  • 开放获取链接：https://doi.org/10.48550/arxiv.2606.16409
  • OpenAlex更新：2026-08-23
  • 标题中文：3. PathRouter：在 Agentic Graph RAG 中将奖励与检索质量对齐
  • TLDR中文：本文提出 PathRouter，一种面向 agentic GraphRAG 的路径感知训练框架，沿答案正确性与证据路径重叠度联合评估每条轨迹，归纳出四类轨迹并采用差异化 GRPO 优势缩放，抑制捷径式强化同时保留证据寻求行为。
  • 副分类：agent
  • 待LLM分类：否
  • 来源文件：
  • /inbox/tom/2026-06-16-agent-rag-longcontext-radar.md
  • /inbox/tom/2026-06-17-agent-rag-longcontext-radar.md
  • [S2 enrich]
  • /inbox/tom/_candidates/2026-06-16-agent-rag-longcontext-candidates.json
  • [OpenAlex backfill]

可复用信息

    • 链接：http://arxiv.org/abs/2606.16707v1
    • 发布日期：2026-06-15
    • 作者：Bojie Li
    • 关键词：agent, rag, memory, benchmark
    • 为何重要：
    • 当前 Agent 的用户记忆几乎都是非结构化文本、知识图谱或扁平事实库，靠检索调取；但"存储事实"和"执行事实"分离，导致矛盾解决、规则聚合和约束执行困难。
    • User as Code (UaC) 提出用户记忆应该是可执行的，将规则和约束编码为代码逻辑，而非数据条目。
    • 这是对 RAG 记忆模式的范式挑战，直接影响个性化 Agent 的架构设计。

写作用途

  • 可放入 RAG / 知识库 / 检索增强相关工作的对比段。
  • 可用于 Agent 架构、记忆、工具调用或多智能体研究背景。
  • 可用于多模态推理、视觉语言模型或长上下文多模态问题定义。
  • 可用于系统实现、实验平台或工程约束说明。
  • 可用于局限性、风险、失效模式和未来工作。

待补齐

  • BibTeX / 正式引用格式
  • 方法与实验设置细节
  • 与现有工作的差异点
  • 是否有代码和数据集