ArcRAG让图检索不再绑定建图方式:同一套配置跨两类知识图谱,开放词表图上仍得71.6 F1
核心概要
图检索系统通常与自己的建图流程一起设计,换一种建图方式后是否还能用很少被直接检验。ArcRAG在推理时从问题涉及的实体出发,现场归纳出该问题可用的图接口,再据此规划多跳路径并以Cypher执行和修复。在MuSiQue、HotpotQA、TriviaQA上,同一套配置分别跑模式引导图与开放信息抽取图,开放词表图上得到38.0 EM、65.5 EM和71.6 F1,模式引导图则高出6.0 EM、9.0 EM和16.3 F1。
深度剖析
同一套检索配置可以不加改动地跑在两种结构不同的知识图谱上,检索不必与建图流程共同设计。 此前的图检索方法各自绑定一种建图产物:个性化PageRank预设稠密同义实体图,GraphRAG全局搜索预设层次化社区划分,LightRAG预设实体与关系关键词索引,PathRAG按预计算路径索引上的启发式选路。 在MuSiQue、HotpotQA、TriviaQA三个语料上各建一张模式引导图与一张开放信息抽取图,检索器配置在两类图之间保持不变,开放词表图上得到38.0 EM、65.5 EM和71.6 F1。
系统在推理时先探明问题所指实体周围实际存在哪些关系与路径,再据此规划并执行查询。 直接生成Cypher的智能体只读取内省得到的图模式,模式只说明图如何存储,不说明问题附近有什么。 在100题分层样本上,加入探索阶段在全部18个重试与轮次预算设置下都优于直接生成Cypher,模式引导图提升15至39点,开放词表图提升12至32点。
规划阶段的作用取决于图的类型,并非在所有建图上都稳定加分。 在模式引导图上,规划在重试次数少时优于仅用探索加生成,并在重试与轮次乘积不超过9的各预算下取得最好准确率。 在开放词表图上,规划在小预算下不优于探索加生成,在较大预算下领先3至5点,处于该样本量下的抽样噪声范围内。
启示与展望
结论建立在MuSiQue、HotpotQA、TriviaQA三个百科问答语料上,每语料各建一张模式引导图与一张开放信息抽取图,两类图在结构、关系词表与来源指向上都不同。实验使用百科问答,未覆盖金融、法律、医疗与合规等需要可追溯检索的场景。
两类图在结构与来源指向上同时不同,二者之间的准确率差距反映的是合并效应,未加区分。查询时归一化能吸收多少噪声与变体没有测量。与既有GraphRAG系统的比较采用其各自报告的最好数字,协议与答案模型不同,并非同一设置下的重跑。每个配置只运行一次,答案模型以温度1.0采样并自行判断证据是否充分,结果带有未量化的运行间波动。建图仍影响绝对准确率,因此不能认为检索与建图从共同设计中获益这一点已被否定。
