MEGRAG：面向答案感知多跳RAG的多粒度证据图
原标题:MEGRAG: Multi-Granular Evidence Graphs for Answer-Aware Multi-Hop RAG
AI 导读
MEGRAG将多跳RAG建模为路径化的多粒度证据图：离线建立段落、句子与三元组的跨粒度索引，在线先检索紧凑三元组，再按需补充句子或段落上下文。系统利用中间答案判断原问题是否已解决，并据此停止检索或生成下一轮聚焦查询。
为什么值得读
多跳RAG的瓶颈正从“能否找到证据”转向“何时停止、需要多少上下文”，该方法为检索粒度与循环控制提供了可实现的统一框架。
深度解读
1. 发生了什么
原始事实： 论文提出MEGRAG，用多粒度证据图支持答案感知的多跳RAG。作者指出，现有迭代式RAG常在每一步使用单一粒度证据，并在最后才回答原问题。分析： MEGRAG把“取证”和“是否已回答”纳入同一循环。
2. 核心技术
原始事实： 离线阶段将段落连接到句子和抽取出的三元组，建立跨粒度索引。在线阶段先为当前查询检索段落，再选择对齐证据，从紧凑三元组开始，必要时扩展到句子或段落。系统根据中间答案和既有推理判断是否需要继续检索。
3. 关键证据与数字
原始事实： 摘要声称在多种RAG基线上取得一致提升，但未给出数据集、基线、指标、提升幅度或消融结果。未验证推断： 该方法的收益可能来自粒度选择、答案感知停止机制以及更聚焦的后续查询，具体贡献需等待全文实验核对。
4. 为什么重要
分析： 多跳任务同时受到证据分散、上下文噪声、冗余累积和中间检索错误影响。统一表示不同粒度的证据，可让系统在信息密度与语境完整性之间动态取舍；答案感知停止则有机会减少不必要的检索轮次。
5. 实际影响
分析： 工程上可将其拆为三部分：文档到句子及三元组的索引管线、按需扩展的证据选择器、基于当前答案的信息缺口检测与查询改写器。适用场景包括企业知识库、多文档研究问答和需要可追溯证据链的分析系统。部署成本主要来自离线三元组抽取、图索引维护和额外的循环控制。
6. 局限与不确定性
原始事实： 当前材料没有披露图构建误差、三元组抽取模型、停止判断的失败案例、检索延迟或成本。分析： 过早停止可能遗漏关键跳转，过度扩展又会重新引入噪声；实体链接和关系抽取错误也可能沿证据路径传播。未验证推断： 若数据集依赖清晰的实体关系，方法的优势未必能直接迁移到开放域、时效性强或表格密集的知识库。
7. 原始来源
- arXiv 摘要页
- 论文编号：
arXiv:2608.02195 - 提供信息中的发布时间：
2026-08-03T13:17:49.000Z