3,583 papers
arXiv:2512.15219 72 17 дек. 2025 г. PRO

RFKG-CoT: адаптивная глубина рассуждений на основе типа связей и few-shot guidance для структурированных данных

КЛЮЧЕВАЯ СУТЬ
LLM плохо выбирает глубину анализа для структурированных связей. Видит вопрос "Кто брат?" и не знает — проверить прямую связь (1 шаг) или искать через цепочку "отец → дети" (2 шага). Фишка: модель решает только по вопросу, игнорируя какие связи вообще есть в данных. Метод RFKG-CoT позволяет правильно работать с цепочками связей в структурированных данных — бизнес-структуры (кто владелец), графы знаний, технические зависимости. Два улучшения: (1) адаптивная глубина на основе типа связей (прямые = 1 шаг, цепочки = больше), (2) few-shot формат с блоком Think — показывает КАК читать структуру "A → связь → B → связь → C".
Адаптировать под запрос
📋 Дайджест исследования

Контент доступен только для PRO подписчиков

Чтобы получить доступ к дайджесту этого исследования, оформите PRO подписку

💳 Оплатить через Геткурс
YandexPay • SberPay • СБП • Карты РФ
⚡ Оплатить через Tribute
Telegram Stars • Моментальный доступ
Узнать о PRO

Контент доступен только для PRO подписчиков

Чтобы получить доступ к концептам этого исследования, оформите PRO подписку

💳 Оплатить через Геткурс
YandexPay • SberPay • СБП • Карты РФ
⚡ Оплатить через Tribute
Telegram Stars • Моментальный доступ
Узнать о PRO
📖 Простыми словами

Контент доступен только для PRO подписчиков

Чтобы получить доступ к упрощённому объяснению этого исследования, оформите PRO подписку

💳 Оплатить через Геткурс
YandexPay • SberPay • СБП • Карты РФ
⚡ Оплатить через Tribute
Telegram Stars • Моментальный доступ
Узнать о PRO

Работа с исследованием

Адаптируйте исследование под ваши задачи или создайте готовый промпт на основе техник из исследования.

0 / 2000
~0.5-2 N-токенов ~10-30с
~0.3-1 N-токенов ~5-15с