SCPRM：面向知识图谱问答的模式感知累积过程奖励模型

本文提出SCPRM模型，针对大模型在知识图谱推理中的过程奖励评估难题，引入模式距离和累积奖励机制解决风险补偿效应问题，在医疗和法律知识图谱问答任务上平均提升1.18%的Hits@k指标。

大模型推理评估中，传统结果奖励模型无法指导中间步骤；现有过程奖励模型存在风险补偿效应（错误中间步骤若后续纠正仍获高奖励）。知识图谱问答（KGQA）具多路径特性、高风险敏感性（医疗/法律领域错误路径后果严重）、模式约束等特殊挑战。

SCPRM含两大创新：1.累积奖励机制：基于推理前缀条件评估，考虑步骤与历史连贯性；2.模式距离感知：衡量步骤与查询隐式目标的模式符合度，区分正确绕行与错误偏离。将SCPRM集成到蒙特卡洛树搜索（MCTS）框架，形成SCPRM-MCTS方法指导搜索过程。

在医疗、法律KG及通用CWQ数据集评估：Hits@k指标平均提升1.18%；风险敏感推理场景优势显著，减少高风险错误步骤比例，提升实际应用可靠性。

技术贡献：精细化过程奖励评估、利用模式知识优化推理、为风险意识强化学习提供路径。启示：构建KGQA系统需重视推理路径质量，高风险领域引入过程评估机制可提升可信度与实用性。