多跳 RAG 不用花大价钱建知识图谱了:纯几何方法,成本为零还更准

💡 一句话总结:多跳 RAG 的最后一段检索(从「已知信息」跳到「答案文档」)是最难的------密集检索够不着(语义不像),实体知识图谱能到但建图要烧大量 LLM token。G³RAG 用一个漂亮的几何技巧绕开两难:边权取 cosθ·sinθ,数学上同时奖励「相关」和「互补」,构图成本为零。三个基准全面领先,MusiQue 上 F1 +5.76。

导语:多跳检索的「最后一公里」困境

问 RAG 系统「电影《盗梦空间》导演的妻子演过的最新电影是什么」,需要一条证据链:盗梦空间 → 诺兰 → 妻子 Emma Thomas → 她制片的电影。前几跳的文档都和查询「长得像」,最后一跳的文档(Emma Thomas 的作品列表)与原始查询的语义相似度可能只有 0.3------密集检索的天敌。

学界主流方案是实体知识图谱:用 LLM 抽取实体和关系建图,沿图跳转。能到,但代价高昂:建图要对每个文档调 LLM 抽实体,语料一大就是天文数字的 token;而且噪声实体连接会让检索跑偏。

华南理工的 G³RAG 问了一个漂亮的问题:能不能不抽实体,用纯几何信号建出同样能「跳」的图?

想看原文?

  • 📄 论文:arXiv 2609.19622
  • 💻 代码:anonymous.4open.science/r/G3RAG-99D9

它的思路是什么?

  • 📐 几何增益边权(核心创新) :两个文档嵌入的夹角为 θ 时,边权 = cosθ·sinθ。cosθ 奖励「相关」(方向一致);sinθ 奖励「不完全重叠」(有互补信息)。乘积在「相似但不冗余」处取最大值------恰好是多跳检索想要的边
  • 🕸️ 密度惩罚防跑偏:高连接的枢纽文档(百科首页类)会把扩散吸走------密度感知的拓扑惩罚把枢纽压下去
  • 🌊 单步受控扩散:从查询种子出发只扩散一步,向「互补证据」延伸------既能跨过语义鸿沟,又不会触发无约束探索的噪声

效果到底怎么样?

  • 🏆 三个基准全面领先 :MusiQue、2WikiMultiHopQA、HotpotQA 上,两种嵌入模型下都是图基线中最佳平均 F1 与答案-文档命中率------平均最高 +4.26 F1 ,MusiQue +5.76
  • 💸 构图成本归零:对比实体图方法的建图 token 开销,G³RAG 是零------多跳能力与成本第一次不用二选一
  • 🔍 案例级机制验证:检索日志显示两阶段行为------先锚定高重叠种子(「第 114 届国会」),再经增益图跳到低相似度目标(「2010 年众议院选举」);对比方法要么困在相似簇里,要么 topical 散射跑偏

为什么你要关心?

  • 🛠️ RAG 升级的低成本路径:已有嵌入索引的团队,加一个几何增益图 + 单步扩散就能补多跳能力------不需要额外的 LLM 建图预算
  • 💡 「相似且互补」是个通用设计目标:cosθ·sinθ 这个边权设计适用于推荐系统(相关但不重复)、论文检索(引用网络补全)等一切「既要像又要新」的场景
  • 🧮 几何信号替代语义抽取:不是所有图都需要 LLM 抽实体------嵌入空间本身的结构信息比想象中便宜且好用

理性看待

冷静看三点:单步扩散限制了更长跳数,三跳以上的复杂推理未覆盖;图质量完全依赖嵌入质量,弱嵌入模型下几何增益会失真;三个基准都是百科式 QA,企业私域文档的多跳表现待验。但「用几何结构替代昂贵的语义抽取」这个方向,为 RAG 的多跳能力提供了一条罕见的性价比路线。

相关推荐
伞伞悦读15 分钟前
【第86期】分类指标与错误成本对照的实验与排查
大数据·人工智能·机器学习
深兰科技23 分钟前
走出进博展馆寻AI方案,巴西政商联合体参访深兰科技洽商中巴产业数字化合作
人工智能·typescript·深兰科技·中巴产业数字化·巴西政商联合体·ai方案·进博会
美团技术团队25 分钟前
EMNLP 2026 | 美团技术团队学术论文精选
人工智能
Summer-Bright32 分钟前
企业落地智能体,供应链签名还是空白:1862 个 MCP 服务器无认证裸奔
服务器·人工智能·github·mcp
ZhengEnCi1 小时前
Agent 只输出计划不调用工具怎么办:从终止信号错位到结果验收的四层防线
人工智能·agent
xsd202411181 小时前
把模型从 FP32 压到 INT8:PTQ、QAT 与 PyTorch 量化全链路
人工智能
AI源码1 小时前
基于机器学习的优衣库销售预测与决策系统
人工智能·机器学习
可夫小子1 小时前
13 条数据跑出 65.87 分:这场 48 小时真机挑战赛,拆穿了具身智能的落地真相
人工智能
大模型真好玩2 小时前
做好真人分身却不知道拍什么?8个视频应用场景直接抄
人工智能·agent·deepseek
ZhengEnCi2 小时前
黄仁勋想回英伟达却被拒:创始人 CEO 辞职后为什么回不来,董事会继任机制全拆解
人工智能·nvidia·团队管理