检索单位从内容换成推理骨架：PatternBloom 让 7B 智能体在多跳问答上随推理深度累积优势
核心概要
PatternBloom 把智能体检索增强生成（RAG）的检索单位从“读什么内容”改为“怎么推理”的类型化图骨架，骨架由第一阶段强化学习高分轨迹蒸馏进外部图模式记忆，第二阶段再用模式覆盖奖励把策略与这份冻结记忆耦合。在七个问答基准上，7B 版本在全部七项数据集上按 EM 与 F1 排名第一，平均分布外 EM 领先 R1-Searcher，且同一冻结模式记忆可迁移到 Qwen3-8B 骨干。
深度剖析
检索增强的智能体不再只检索段落、知识图谱子图或超边，而是检索一张类型化的有向推理骨架，它规定如何在已取回的证据上行走，而不是规定读哪段证据。 此前的段落式、知识图谱式和结构感知式方法虽然检索单位不同，但穿过证据的推理路线始终留在语言模型隐状态里，同一逻辑类型的查询每次都要从头推理。 在七个问答基准上，7B 的 PatternBloom 在全部七项数据集上按 EM 与 F1 排名第一，平均分布外 EM 领先 R1-Searcher，并在五个分布外测试集上保持第一。
两阶段强化学习把证据图本身变成被监督对象，再把高分轨迹里的推理骨架抽出来存成可检索的外部记忆。 以往强化学习只按最终答案字符串给奖励，一个含噪声三元组的图和干净图只要答案对就得到同样奖励。 信息密度奖励按每条三元组归一化冻结评分模型对答案的信息增益，并用格式门控把格式错误的轨迹压到零；模式增强奖励把答案奖励与轨迹对检索骨架的覆盖度做凸组合，覆盖度以骨架大小而非并集为分母。
去掉任一组件都会掉分，说明三者共同起作用。 完整配置在 HotpotQA、2Wiki、MuSiQue、Bamboogle 上的平均 F1 为 55.9。 去掉模式增强奖励后平均 F1 降到 44.1，禁用图模式记忆降到 46.6，跳过信息密度奖励预训练降到 52.9。
启示与展望
演示范围是维基百科分块超图上的多跳问答，训练数据为 HotpotQA 与 2WikiMultiHopQA，测试覆盖七个基准；作者指出向生物医学、法律或金融等非维基语料的跨域迁移不在本文范围内，并把零样本跨域迁移列为下一步基准。
实验使用固定随机种子且未报告误差棒；作者也说明模式记忆只在维基百科超图底物上验证，跨域迁移尚未测试。