KGCaRe: Explainable Complex Conditional Question Answering using Automatic Knowledge Graph Construction and Context Retrieval with LLMs

• 类型：arxiv
• 标识：2608.09779
• 链接：http://arxiv.org/abs/2608.09779v1
• 主分类：rag
• 形态：method
• 被引：0
• 被引来源：Semantic Scholar
• S2被引：0
• 影响力被引：0
• TLDR：KGCaRe is proposed, a hybrid approach that combines neural retrieval with symbolic reasoning over LLM-generated KGs that consistently outperforms existing baselines, including Vanilla LLM, Code Prompt, Text Prompt, Think-on-Graph, Vanilla RAG, and HybridContextQA.
• 待LLM分类：否
• 标题中文：KGCaRe：利用 LLM 进行自动知识图谱构建与上下文检索的可解释复杂条件问答
• TLDR中文：本文提出 KGCaRe，一种将神经检索与基于 LLM 生成 KG 的符号推理相结合的混合方法，在 Vanilla LLM、Code Prompt、Text Prompt、Think-on-Graph、Vanilla RAG 和 HybridContextQA 等 baseline 上 consistently 取得更优表现。
• 来源文件：
• /inbox/tom/_candidates/2026-08-12-agent-rag-longcontext-candidates.json
• [S2 enrich]