यह शोधपत्र गतिशील रूप से अनुकूली MCTS-आधारित तर्क (DAMR) का प्रस्ताव करता है, जो ज्ञान ग्राफ़ प्रश्नोत्तर (KGQA) के लिए एक नवीन ढाँचा है। DAMR, मौजूदा स्थिर पथ निष्कर्षण विधियों की सीमाओं, जैसे सीमित अनुकूलनशीलता, उच्च अभिकलन लागत और पथ मूल्यांकन की कम सटीकता, को दूर करने के लिए मोंटे कार्लो ट्री सर्च (MCTS)-आधारित प्रतीकात्मक खोज को अनुकूली पथ मूल्यांकन के साथ एकीकृत करता है। यह प्रत्येक चरण में शीर्ष k प्रासंगिक संबंधों का चयन करके खोज स्थान को कम करने के लिए एक LLM-आधारित योजनाकार का उपयोग करता है, और संदर्भ-जागरूक संभावना अनुमान लगाने हेतु प्रश्न और संबंध अनुक्रमों को संयुक्त रूप से एनकोड करने हेतु एक हल्के ट्रांसफॉर्मर-आधारित स्कोरर का परिचय देता है। इसके अलावा, एक गतिशील छद्मपथ शोधन तंत्र अपर्याप्त उच्च-गुणवत्ता वाले पर्यवेक्षण डेटा की चुनौती को कम करता है। विभिन्न KGQA बेंचमार्क पर प्रायोगिक परिणाम दर्शाते हैं कि DAMR अत्याधुनिक विधियों से काफी बेहतर प्रदर्शन करता है।
