본 논문은 지식 그래프 질의응답(KGQA)을 위한 새로운 프레임워크인 DAMR(Dynamically Adaptive MCTS-based Reasoning)을 제안합니다. 기존의 retrieve-then-reason 방식과 LLM 기반 동적 경로 생성 방식의 한계를 극복하기 위해, DAMR은 MCTS(Monte Carlo Tree Search) 기반의 심볼릭 검색과 적응적 경로 평가를 통합합니다. LLM 기반 플래너는 검색 공간을 줄이기 위해 매 단계마다 상위 k개의 관련 관계를 선택하고, 경량 트랜스포머 기반 스코어러는 질문과 관계 시퀀스를 함께 인코딩하여 문맥 인식 가능성 추정을 수행합니다. 또한, 동적 의사 경로 개선 메커니즘을 통해 고품질 감독 데이터 부족 문제를 완화합니다. 실험 결과, DAMR은 기존 최첨단 방법들을 상당히 능가하는 성능을 보였습니다.
