**DeFT-RAG：通过分解多跳问题实现高效可复用答案的 RAG 框架**

_DeFT-RAG: Decomposing Multi-Hop Questions into Self-Contained Sub-Questions with Reusable Answers_

> 针对现有 RAG 在处理多跳问答时存在的证据链断裂或 LLM 任务过重的问题，DeFT-RAG 提出了一种新框架。该方法将多跳问题分解为一系列自包含的子问题，利用规则更新和轻量级模型决策来管理状态，并通过缓存机制复用已生成的答案。实验表明，DeFT-RAG 在多个基准测试中取得了最佳准确率，同时显著减少了 LLM 的调用次数和输入 token 消耗。

**来源信息**
- **来源**：HuggingFace Daily Papers（社区热门论文）
- **分类**：ai-models
- **发布时间**：2026-11-03 08:00（北京时间）
- **原文**：[打开原文](https://huggingface.co/papers/2610.37826)