ScalableRAG：以极低摄取成本实现精确语料操作

ScalableRAG 用类型集合工作区实现精确语料操作，并兼顾低摄取成本。

资讯摘要

论文提出 ScalableRAG，用持久化类型集合工作区让智能体在查询时构建命名文档集与值集，并通过集合代数、类型化抽取、聚合与诊断组合操作，从而在无需预处理甚至无需向量索引的情况下支持精确的语料级操作。作者报告 Zero-Ingestion 版本在四个常规问答基准上与领先基线持平（74.75 对 74.64），在 Hotels-50 上得分 71.74，比 SRAG 高 36.23 分；Limited-Ingestion 版本在 500 万文档规模下是唯一评测中评审分超过 80 的系统。

要点速读

1. Zero-Ingestion 版本无需预处理和向量索引，在四个常规问答基准上得分 74.75，领先基线为 74.64。
2. 在 Hotels-50 上得分 71.74，比 SRAG 高 36.23 分；移除工作区后降至 38.4。
3. Limited-Ingestion 版本在 500 万文档下评审分超过 80，每题耗时 13 至 16 秒，摄取时间不到 20 分钟；在 100 万文档下得分 84.5，A-RAG 为 80.0。

中文摘要由 AI 根据公开来源生成，可能存在理解偏差；具体能力、数字、开放时间等信息请以原文为准。
采集于 2026/10/29 08:00:21（北京时间）。 arXiv 日期为本次公告时间，论文初次投稿日期请查看原文版本记录。