跳推理

跳推理（Multi-hop Reasoning）是指人工智能系统，特别是大语言模型，在处理复杂问题时，不再依赖单一的上下文窗口或孤立的知识片段，而是通过构建逻辑链条，分步骤地从多个相关实体或文档中检索、整合信息，最终推导出结论的推理范式。该概念源于自然语言处理中的多文档问答任务，旨在解决模型在长距离依赖、跨文档关联及复杂因果链上的‘幻觉’与‘遗忘’问题，是衡量大模型认知深度与逻辑严密性的关键指标。

在现代计算架构中，跳推理是大模型从‘知识检索’向‘逻辑推理’跃迁的里程碑。它标志着模型不再仅仅是信息的存储库，而是具备了类似人类专家的思维链（Chain-of-Thought）能力。在生态位上，跳推理填补了静态知识库与动态复杂推理之间的鸿沟，成为构建智能体（Agent）、法律智能分析、医疗诊断辅助及科研文献综述等高级应用的核心引擎。其核心价值在于将非结构化的海量信息转化为结构化的逻辑结论，显著提升了大模型在真实世界复杂场景下的可解释性与可靠性。