OA-RAG：融合本体形式推理与LLM推理的智能体，提升答案可溯源性

据arXiv预印本论文，Hui Yang、Jiaoyan Chen与Yongsheng Gao提出OA-RAG，一种将形式推理与LLM推理结合的智能体，同时利用领域本体的逻辑结构与非正式标注。该论文称，OA-RAG对每个答案报告所采用的本体观察作为证据，并给出模型评估的支撑等级（蕴含、支持、相关或无关），以刻画证据强度。作者称，在源自三个大规模本体的基准和六项真实医疗问答任务上，OA-RAG在受评估的本体微调方法与主流RAG方法中总体表现最佳，在推理密集型任务上尤为突出。论文还称，所报告的支撑等级可提示答案可靠性，支撑越强通常准确率越高；结果也显示本体作为知识源的价值，OA-RAG与使用教科书等来源的领域专用RAG系统相比具有竞争力，有时表现更优。该研究为预印本，尚未经同行评审。