近日， 蚂蚁集团知识引擎团队协同浙江大学、同济大学正式发布了其在结构化推理领域的最新成果 —— KAG-Thinker 模型，该模型是 KAG 框架的重 要迭代升级，聚焦于为通用或专业领域复杂推理任务构建稳定、可解释的思考范式。 2025 年以来，OpenAI 推出的 Deep Research 展示了大模型在复杂推理任务中多轮检索、规划推理的强大能力。随后，产学界涌现了较多以模型为中心 (Model-Centric) 的方法，比如 Search-R1、ReSearch 等。它们的核心思路是，通过强化学习让模型自己 "学会" 如何检索和利用外部知识，从而让小模 型也能像专家一样 "思考"。然而，这些基于自然语言的推理方法就像让模型 "自由发挥"，推理不严谨、过程不稳定等问题依然突出。而人类专家解决 复杂问题时，往往采用结构化的思考方法，把原始问题拆解成多个可独立验证的小问题，并依次求解。 受此启发，研究团队提出了 KAG-Thinker，为 模型的思考过程建立一套清晰、分层的 "脚手架"，从而提升复杂任务中推理过程的逻辑性与稳定性 。 该模型延续了 KAG 框架 Logical Form 自然语言与逻辑函数双 ...