💬 NLP

Co-Evolving Graph and Text Memory for Training-Free Multi-Hop Question Answering

O artigo apresenta o Co-E, um sistema de resposta a perguntas de múltiplos saltos livre de treinamento que emprega memória de trabalho bidirecional sincronizada para integrar e reconciliar dinamicamente o contexto textual com evidências de grafos relacionais, alcançando um desempenho competitivo com modelos maiores ou treinados em seis benchmarks.

Autores originais: Hieu Man, Thien Huu Nguyen

Publicado 2026-07-28

📖 4 min de leitura☕ Leitura rápida

CC BY 4.0

Autores originais: Hieu Man, Thien Huu Nguyen

Artigo original sob licença CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). ✨ Esta é uma explicação gerada por IA do artigo abaixo. Não foi escrita nem endossada pelos autores. Para precisão técnica, consulte o artigo original. Ler aviso legal completo

Imagine que você esteja tentando resolver um mistério massivo e de múltiplas camadas, como descobrir quem é o bisavô de uma famosa estrela de cinema. Para fazer isso, você não pode apenas fazer uma pergunta e obter uma resposta. Você tem que fazer uma cadeia de perguntas: "Quem é o pai da estrela?" depois "Quem é a mãe desse pai?" e assim por diante. Isso é o que os cientistas chamam de "resposta a perguntas de múltiplos saltos" (multi-hop question answering).

Por muito tempo, os computadores tentaram resolver esses mistérios usando duas ferramentas principais. A primeira é uma biblioteca gigante de textos (como a internet ou uma enorme coleção de livros), que é ótima para encontrar histórias e fatos escritos em frases. A segunda é um mapa estruturado de fatos (chamado de Grafo de Conhecimento), que é como uma árvore genealógica gigante ou um mapa de metrô onde tudo está conectado por linhas claras. O problema é que essas duas ferramentas geralmente trabalham em salas separadas. O buscador de texto lê um livro, mas esquece o mapa, enquanto o leitor de mapas olha para as conexões, mas ignora os novos detalhes encontrados nos livros. Isso torna difícil para os computadores resolverem quebra-cólidos complexos onde a resposta depende de misturar uma história de um livro com uma conexão de um mapa.

Apresentamos o Co-E, um novo sistema projetado por pesquisadores Hieu Man e Thien Huu Nguyen, da Universidade de Oregon. Pense no Co-E como um detetive superinteligente que não apenas carrega um bloco de notas e um mapa separadamente, mas mantém ambos em uma única "memória de trabalho" mágica que se atualiza a cada segundo. Em vez de apenas ler um livro e depois olhar para um mapa, o Co-E traduz constantemente entre os dois. Se ele lê uma frase em um livro que menciona uma nova pessoa, ele imediatamente desenha essa pessoa em seu mapa. Se ele encontra uma conexão no mapa, ele escreve essa conexão de volta em suas notas como uma frase clara. Essa dança "coevolutiva" acontece sem que o computador precise ser retreinado ou ensinado novas lições; ele apenas usa sua capacidade cerebral existente para equilibrar os dois tipos de informação ao mesmo tempo.

Os pesquisadores testaram esse detetive em seis conjuntos diferentes de enigmas, variando de charadas complicadas da Wikipedia a perguntas complexas de bancos de dados. Eles descobriram que o Co-E é incrivelmente bom em resolver esses quebra-cabeças sem qualquer treinamento extra. Por exemplo, em um teste difícil chamado 2WikiMultiHopQA, ele obteve 72,6 de 100 pontos (usando uma métrica chamada Exact Match), e em outro chamado Bamboogle, marcou 70,0. Em um desafio de banco de dados chamado CWQ, atingiu 74,9 (usando uma métrica chamada Hits@1). Essas pontuações são impressionantes porque o Co-E supera outros sistemas que utilizam cérebros computacionais de tamanhos semelhantes, mas que não possuem esse truque especial de memória, e até compete com sistemas muito maiores e mais caros que foram pesadamente treinados.

O ingrediente secreto não é apenas ter um cérebro grande; é como o sistema gerencia sua memória. Os pesquisadores mostraram que, se você impedir o sistema de atualizar seu mapa com base em suas notas (ou vice-versa), seu desempenho cai significativamente. Acontece que a chave para resolver esses enigmas difíceis é manter o texto e o grafo em sincronia, permitindo que eles corrijam os erros um do outro e preencham as lacunas à medida que o detetive trabalha através do mistério passo a passo. Isso sugere que, para os computadores melhorarem seu raciocínio, eles precisam parar de tratar o texto e os fatos estruturados como mundos separados e começar a deixá-los conversar entre si em tempo real.

Resumo Técnico: Memória de Grafo e Texto Co-Evolutiva para Resposta a Perguntas Multi-Salto Sem Treinamento

Definição do Problema

A resposta a perguntas (QA) de múltiplos saltos (multi-hop) requer a coordenação de evidências relacionais e textuais através de múltiplos passos de raciocínio. Uma limitação fundamental dos paradigmas atuais é que nem um corpus de texto, nem um grafo de conhecimento (KG) isoladamente podem fornecer a combinação necessária de contexto não estruturado e relações estruturadas. Os pipelines padrão de Geração Aumentada por Recuperação (RAG) selecionam o contexto antes que o raciocínio se desenrole, impedindo que o sistema atualize sua estratégia de recuperação com base em descobertas intermediárias (por exemplo, uma "entidade ponte" encontrada em um trecho). Por outro lado, métodos aumentados por grafos frequentemente dependem de subgrafos pré-construídos ou fixos que não podem ser revisados durante o raciocínio, levando a entidades perdidas, arestas ruidosas e caminhos incompletos. Os sistemas existentes tipicamente privilegiam um lado do estado de raciocínio — seja mantendo memórias textuais em evolução ou atravessando estruturas de grafos fixas — mas falham em reconciliar a memória de grafo com o contexto textual dentro do mesmo loop de raciocínio.

Metodologia: O Framework Co-E

Os autores propõem o Co-E (Co-Evolving), um sistema sem treinamento projetado em torno de uma memória de trabalho grafo-texto sincronizada e bidirecional. O sistema opera sem ajuste fino (fine-tuning), utilizando um objeto de memória compartilhada $M(t) = (T(t), G(t))$ que evolui a cada passo de raciocínio $t$ .

Componentes Principais

Memória Compartilhada Grafo-Texto:
- Memória Textual ( $T$ ): Armazena trechos autoexplicativos e relevantes para a pergunta, incluindo evidências extraídas, sub-respostas intermediárias e afirmações em linguagem natural derivadas de triplas de grafos. Documentos brutos são filtrados em trechos atômicos antes de entrarem na memória.
- Memória de Grafo ( $G$ ): Um grafo direcionado contendo dois tipos de triplas:
  - Triplas de esquema de KB: Relações canônicas recuperadas diretamente de uma base de conhecimento (ex: Freebase, Wikidata).
  - Triplas de vocabulário aberto: Relações extraídas da memória textual usando rótulos de linguagem natural, permitindo que o sistema represente fatos ausentes no esquema do KG.
- Manutenção Ativa: O grafo não é monotonicamente acumulado; um podador de triplas remove arestas irrelevantes, redundantes ou contraditórias, e nós que resolvem para a mesma entidade são colapsados.
Ciclo de Sincronização Bidirecional:
Em cada etapa, o Co-E executa um ciclo de sincronização de quatro operações para fazer a co-evolução das memórias:
- Consolidação Textual: Deduplica trechos sobrepostos, funde evidências complementares e retrai previsões contraditórias da memória textual atual $T(t)$ e dos novos trechos $S(t)$ .
- Propagação Texto-para-Grafo: Identifica entidades no texto consolidado, mapeia-as para identificadores de KB e extrai triplas de vocabulário aberto. Estas são fundidas em $G(t)$ , expandindo a fronteira relacional com base nas descobertas textuais.
- Propagação Grafo-para-Texto: Textualiza as triplas de grafo sobreviventes e as injeta de volta em $T(t)$ como afirmações relacionais explícitas. Isso garante que o gerador tenha acesso direto às restrições do grafo em linguagem natural.
- Re-consolidação Textual: Uma segunda passagem sobre a memória textual para reconciliar os fatos de grafo injetados, produzindo um estado coerente $M(t+1)$ para a próxima etapa.
Recuperação de Fluxo Duplo:
- Recuperação de Corpus: Gera consultas de busca condicionadas à memória atual para recuperar trechos de texto.
- Recuperação de Grafo: Utiliza a memória atual para semear consultas SPARQL de $k$ -saltos. O conjunto semente é aumentado com entidades já presentes em $G(t)$ , tornando a recuperação condicionada à memória em vez de uma travessia fixa.
Modos de Raciocínio:
- Modo MCTS: Utiliza Busca em Árvore de Monte Carlo (Monte Carlo Tree Search) para explorar múltiplas trajetórias de raciocínio (sub-perguntas, autocorreção, síntese). Um verificador pontua estados candidatos, e o feedback é usado para podar ramos fracos e atualizar a memória compartilhada.
- Modo CoT: Segue uma cadeia sequencial de raciocínio, aplicando o mesmo operador de sincronização em cada etapa sem expansão de árvore.

Principais Contribuições

Memória Bidirecional Sincronizada: O Co-E introduz um mecanismo onde a evidência textual expande a fronteira do grafo e os fatos do grafo remodelam o contexto textual dentro do mesmo loop de raciocínio, abordando a limitação de sistemas de memória estáticos ou unidirecionais.
Arquitetura Sem Treinamento: O sistema alcança um forte desempenho sem o ajuste fino do modelo de linguagem (LLM) de base, baseando-se na sincronização da evidência recuperada e da memória estruturada.
Manutenção Ativa de Memória: Ao contrário de sistemas que apenas acumulam contexto, o Co-E poda ativamente, deduplica e reconcilia contradições em ambas as modalidades, evitando o acúmulo de informações ruidosas ou obsoletas.

Resultados Experimentais

O Co-E foi avaliado em seis benchmarks abrangendo KGQA (WebQSP, CWQ) e QA de texto multi-salto (2WikiMultiHopQA, HotpotQA, MuSiQue, Bamboogle) utilizando um backbone Qwen3-8B.

Desempenho em KGQA:
- No CWQ, o Co-E (MCTS) alcançou 74.9 Hits@1, superando sistemas treinados como RoG (62.6) e ReKG-MCTS (59.8), e superando o melhor baseline de código aberto anterior, PoG (74.7).
- No WebQSP, o Co-E (MCTS) atingiu 85.5 Hits@1, competitivo com os mais fortes baselines de código aberto treinados (RoG e GNN-RAG com 85.7).
Desempenho em Text-QA:
- No 2WikiMultiHopQA, o Co-E (MCTS) alcançou 72.6 EM, superando baselines de backbone aberto comparáveis por margens significativas (ex: +10.7 sobre SubQRAG).
- No Bamboogle, o Co-E (MCTS) atingiu 70.0 EM, superando Search-R1 (43.2) e PAGER (62.4).
- No MuSiQue, o Co-E (MCTS) alcançou 52.5 EM, superando o HopRAG-GPT-4o em 10.3 pontos.
Estudos de Ablação:
- A remoção da sincronização bidirecional causou uma queda significativa no desempenho (ex: o EM de MCTS no Bamboogle caiu de 70.0 para 61.1), confirmando que ambas as direções de propagação são necessárias.
- A remoção individual da memória de grafo ou textual degradou o desempenho, apoiando a necessidade das modalidades pareadas.
- A manutenção ativa (poda/consolidação) mostrou-se crítica; sem ela, o desempenho caiu para 49.5 EM.

Significância e Alegações

O artigo afirma que o Co-E demonstra que a co-evolução grafo-texto é um mecanismo prático para o raciocínio multi-salto sem treinamento. Os autores argumentam que o desafio central no QA multi-salto é manter um estado de raciocínio onde a evidência textual e a estrutura relacional se revisam dinamicamente.

As principais alegações incluem:

Superioridade sobre Grafos Estáticos: O Co-E supera sistemas que dependem de subgrafos pré-construídos ou fixos centrados em tópicos, particularmente em datasets que exigem longas cadeias de relações (CWQ, MuSiQue), onde manter um estado relacional dinâmico é crucial.
Competitividade com Sistemas Treinados: Apesar de ser livre de treinamento e utilizar um backbone de 8 bilhões de parâmetros, o Co-E compete com ou excede sistemas maiores (ex: 32B, 70B) ou sistemas com ajuste fino supervisionado.
Robustez em Ambientes de Domínio Aberto: Em um teste de estresse usando o Wikidata completo (sem o pré-processamento de subgrafo específico do benchmark), o Co-E manteve um forte desempenho, reduzindo o Hits@1 no CWQ em apenas 1.5 pontos em comparação ao protocolo de subgrafo de tópico.
Limitações: Os autores reconhecem que o Co-E é limitado pela qualidade da evidência recuperada. Se o corpus suportar consistentemente um fato incorreto, a sincronização não poderá corrigi-lo. Adicionalmente, erros na ligação de entidades (entity linking) e cadeias de raciocínio incompletas permanecem como desafios.

O artigo conclui que a memória de trabalho sincronizada permite que o sistema revise seu estado relacional durante a inferência, oferecendo uma alternativa robusta à recuperação estática ou à travessia de grafos fixa para tarefas de raciocínio complexas.