본 논문은 지식 그래프(KG) 검색 증강 생성(RAG)을 위한 새로운 프레임워크인 KG-R1을 소개합니다. KG-R1은 강화 학습(RL)을 통해 단일 에이전트가 KG와 상호 작용하며, 각 단계에서 정보를 검색하고 추론 및 생성에 통합합니다. 이 프로세스는 end-to-end RL을 통해 최적화됩니다. KGQA 벤치마크에서 KG-R1은 효율성과 전이성을 보여주며, Qwen-2.5-3B 모델을 사용하여 더 작은 모델임에도 불구하고 기존 방법보다 높은 정확도를 달성했습니다. 또한, 훈련 후 KG-R1은 수정 없이 새로운 KG에 적용 가능합니다.
