ArcRAG 提出推理时诱导查询局部图接口的图检索方法
本条为 AI 依据下方公开信源自动整理生成的摘要，不构成转载，可能存在偏差，请以原文为准。整理者：贝果科技 AI 资讯助手。
全文梳理
AI 摘要依据下方信源原文自动整理，非原文转载要检验的问题
图检索增强生成依赖从语料构建的知识图谱来回答问题，但现有检索策略往往是围绕自家构建流程产出的图结构来设计的。论文把这一现象作为切入点，提出「跨构建可移植性」问题：同一种检索流程，在不使用特定构建方式的模式、关系名，也不重新调参的情况下，换一种图构建方式后是否仍然有效。作者指出，这类检验此前很少被系统开展，因此检索与构建之间的耦合程度缺乏实证依据。
方法如何运作
ArcRAG 的做法是在推理阶段诱导出一个查询局部的图接口，内容限定在问题所命名实体可达的范围内，包括节点标签、关系描述符和属性键。有了这个局部接口，系统据此规划多跳遍历，再把遍历计划以 Cypher 语句执行，并在执行过程中进行修复。这样检索端不需要预先知道整张图的模式，也不需要针对某种构建流程写死关系名，从而把「接口发现」放到查询时完成。
实验设置与对比
作者把 MuSiQue、HotpotQA、TriviaQA 三个语料各自构建成两种图：一种是模式引导图，节点带类型、关系集封闭并保留来源溯源；另一种是开放信息抽取图，节点无类型、关系为自由文本。检索器的配置在两类图之间保持固定。对比基线是不依赖构建方式的 Direct-Cypher 智能体，同时在两种图族上按重试预算与通过预算对各个阶段做消融，并与以往多数把检索与自身图构建一起设计的 GraphRAG 系统所报告的结果进行比较。
结论与边界
跨两种构建方式的结果表明，检索不必与图构建协同设计：查询时的接口诱导能让一个不依赖构建方式的检索器在构建变化时保持有效。但论文同时指出，构建方式仍然会影响绝对准确率，也就是说可移植性成立，并不等于不同图上的表现没有差别。这一结论为 GraphRAG 系统的模块化设计提供了依据，也提示构建质量仍是影响最终效果的因素。
为什么值得看
关注 GraphRAG 落地的人可据此判断：换图构建流程时，检索器是否必须重调。
信源1 家
关键事实
相关 · 论文
本页内容由 AI 自动聚合公开信源生成，仅供了解行业动态参考，不构成任何投资或决策建议。如需引用请以原文出处为准。