一种自适应路径探索的零样本多跳问答方法

本发明公开了一种自适应路径探索的零样本多跳问答方法，引入跳数预测以估计问题所需的推理步数，从源头限定搜索深度并据此确定迭代次数；在结构受限的蒙特卡洛树搜索框架内，按选择、扩展、模拟与回传的循环生成并解答子问题；在每一步按需从统一的段落级证据库检索相关段落，使检索与生成同步驱动状态演化；通过结合语义连贯性与自适应性的步级奖励及路径累计奖励，引导扩展指向一致且可靠的推理轨迹；在路径层面对候选答案实施多数表决，并在出现最高票数并列时依据路径根奖励进行置信度裁决，确保输出的一致性与可解释性。本发明实现在无需任务特定训练的条件下高效、稳定地完成多跳推理，为零样本多跳问答提供可工程化的解决方案。