ProgRAGは、大規模言語モデル（LLM）の幻覚問題と透明性の限界を克服することを目的としたフレームワークです。このアプローチは、複雑な質問を複数のサブ質問に分解し、それぞれに回答することによって、推論の道筋を進めていきます。外部リトリーバーは候補となる証拠を収集し、LLMによる不確実性に基づくプルーニングを通じて整理・精緻化されます。これにより、サブ質問の回答から得られた部分的な推論経路が最適化され、LLMの推論精度が向上します。実験結果は、ProgRAGが既存のベースラインを上回り、多段階知識グラフ質問応答（KGQA）の分野での信頼性と推論の質を改善することを示しています。この研究により、知識グラフを活用した高度な推論能力が期待されています。