ThreadRAG：用语义拓扑图改进多跳问答

ThreadRAG 用语义拓扑图与能量驱动寻路改进多跳问答

资讯摘要

论文提出 ThreadRAG，一个基于语义拓扑的 RAG 框架，用于保留上下文的知识结构化与模态原生证据推理。它通过 Semantic Topology Mapper 将检索文档组织为语义节点并构建 Semantic Topology Graph，再用 Energy-Driven Pathfinding 找出与查询相关的子图并线性化为文本证据路径。作者报告在三个多跳问答基准上优于强基线，HotpotQA 上 EM 较文本中心方法提升 14.4%。

要点速读

1. 论文提出 ThreadRAG，包含 Semantic Topology Mapper 与 Energy-Driven Pathfinding 两个组件
2. 作者报告在 HotpotQA 上 EM 较文本中心方法提升 14.4%，在 2WikiMultihop 上较最佳基线提升 5.8% EM
3. 作者称 token 成本降至最强基线的 23.3%

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 2026/10/23 08:00:11（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。