---
title: "多跳推理（Multi-hop Reasoning）"
slug: multi-hop-reasoning
language: zh-TW
source: https://aiterms.tw/terms/multi-hop-reasoning
updated_at: 2026-04-29
tags: [自然語言處理, 知識圖譜, AI應用, 大型語言模型]
ipas_term: false
---

# 多跳推理（Multi-hop Reasoning）

> **你有沒有碰過那種問題，答案不在同一句話裡，要繞好幾步才找得到？**
> 你可以把它想成先找到第一個線索，再拿線索去找第二個線索，最後才拼出答案。
> 它考驗的不只是記憶，而是能不能把分散的資訊串成一條推理路線。 這也讓它很適合先拿到可用答案，再慢慢把精度往上推。
>
### 容易混淆

> **多跳推理 vs 單跳推理**
> 多跳推理：要串多個線索才能答
> 單跳推理：看一段資訊就能直接答
> 最關鍵的區別：先看它是在比什麼，再看它怎麼做。
>
> **多跳推理 vs 背答案**
> 多跳推理：要能轉換、連接、推進
> 背答案：只記住結論，換題就容易卡住
> 最關鍵的區別：先看它是在比什麼，再看它怎麼做。
>
### 記住這句就好

> 答案不在一格裡，就要一格一格跳過去。
>
### 實際案例

> **知識問答**
> 先找出某人物的公司，再找出公司所在地，最後回答這家公司在哪個城市。
>
> **醫療推論**
> 從症狀找疾病分類，再從疾病找檢查項目，最後判斷下一步處置。
>
### 算法與應用

> 多跳推理常和知識庫、檢索增強生成一起用，先找證據，再做連結。
> 難點在於每一跳都可能把錯誤放大，所以檢索品質和中間推理都很重要。
> 如果中間步驟被污染，最後答案即使看起來合理，也可能是錯的。
>
### 情境判斷

> **Q1（直覺題）：你要回答「A 公司的創辦人住在哪個城市」，而資訊分散在三份文件裡，這屬於什麼？**
> → 多跳推理，因為要先找公司、再找創辦人、最後找城市。
>
> **Q2（判斷題）：如果第一跳就找錯人，後面每一步都很順，答案還可信嗎？**
> → 不可信，推理鏈越順不代表越對，起點錯了整條鏈都會跟著偏。
>
### 常見問題

> **Q：多跳推理和 chain-of-thought 一樣嗎？**
> 不一樣。思維鏈是寫出推理過程，多跳推理是問題本身需要多步連接。
>
> **Q：為什麼資料檢索很重要？**
> 因為每一跳都靠前一跳找來的證據，檢索差會直接拖垮整條推理鏈。
>
> **Q：它只出現在問答系統嗎？**
> 不是，推薦、法務、醫療、風控都會碰到。
>
### 相關術語

> - **思維鏈**：多跳推理常要搭配推理步驟的顯性表達。
> - **推理能力**：這是多跳推理要測的核心能力。
> - **知識庫**：多跳推理通常要從知識庫找線索。
> - **檢索增強生成**：先檢索再生成，是很常見的實作方式。
> - **AI 代理**：代理做複雜任務時，也常要靠多跳推理。

---

來源：https://aiterms.tw/terms/multi-hop-reasoning
快查頁：https://aiterms.tw/terms/multi-hop-reasoning
最後更新：2026/04/29
深度解說：https://aiterms.tw/learning/what-is-multi-hop-reasoning