近日，成人影院 2023级软件工程（中外合作办学）专业本科生陈果在成人影院 黄俊杰副教授的指导下，在CCF-A级会议——The 40th Annual AAAI Conference on Artificial Intelligence (AAAI2026) 以第一作者发表了题为《LiR³AG: A Lightweight Rerank Reasoning Strategy Framework for Retrieval-Augmented Generation》的研究论文。

该论文聚焦于检索增强生成（Retrieval-Augmented Generation，RAG）在多跳问答任务中的推理行为与策略优化问题。多跳问答任务需要模型综合来自多个文档的证据并进行跨文本逻辑推理，在实际应用中，尽管推理大模型在此类任务上表现更为突出，但其推理成本高、生成 token 量大、系统延迟显著等问题严重限制了其落地效率。为深入理解这一代价来源，研究系统分析了推理模型在 RAG 框架下的推理特性，首次归纳总结出两类主要结构化推理方式：“依托检索上下文进行推理”的 Context-Dependent Reasoning 和“利用内部知识弥合证据冲突与缺口”的 Knowledge-Reconciliation Reasoning，这一发现为解释推理模型在多跳场景中的行为模式提供了重要理论支撑。

基于上述洞察，论文提出轻量级重排推理策略框架 LiR³AG（Lightweight Rerank Reasoning Strategy for RAG），通过重构检索证据、压缩推理路径及重新组织推理链，使非推理模型能够迁移、复刻推理模型的链式推理能力。实验结果表明，LiR³AG 在保持性能提升的同时，大幅降低了系统开销——token 生成成本减少高达 98%，推理时延降低 58.6%，同时使 8B 级别非推理模型在多跳问答任务上的 F1 得分提升 6.2%–22.5%，甚至超过了 32B 规模推理模型在 RAG 任务中的表现，为跨规模模型推理迁移提供了高效且成本可控的解决方案。

AAAI作为全球人工智能领域最具影响力的旗舰会议之一，自1979年创办以来，以严谨的成人影院 标准和卓越的研究成果享有“人工智能顶会”的盛誉。会议议题覆盖深度学习、自然语言处理、知识推理、计算机视觉、人机交互与智能系统等多个前沿方向。本届会议录用率仅为17.6%，为近年来新低，充分体现了该研究成果在国际顶级成人影院 评审体系中的竞争力与成人影院 价值。

供稿：黄俊杰

供图：陈一果

初审：霍锦玲

复审：杨靖欣

终审：王一晖