研究以结果奖励训练Qwen3-1.7B，在DBLP领域探索零样本文本到SPARQL。
推荐理由：亮点是绕过金标准查询标注，直接用可执行结果奖励训练十七亿参数模型；若效果稳健，可明显降低垂直知识图谱问答的监督成本。
阅读原文