SpectRAG：面向多跳RAG的加权块图谱与Token预算上下文选择

SpectRAG用加权块图谱与谱信息在Token预算内选取多跳RAG上下文。

资讯摘要

论文提出SpectRAG，一种图谱增强的检索框架，用于多跳检索增强生成。它结合混合候选种子、加权块图谱构建、图谱扩展、谱相关性传播与Token预算上下文选择，用稠密语义嵌入和图谱坐标表示文档块，边编码语义相似度、文档邻接、章节层级、共享实体、引用链接及LLM生成效用问题间的相似度。在MultiHopRAG、UltraDomain和长文档问答上的实验显示，该方法提升广域证据召回，生成质量与稠密、混合、HyDE、LightRAG、NaiveRAG基线相当。

要点速读

1. 论文提出SpectRAG，将加权块图谱与谱相关性传播用于多跳RAG的上下文选择。
2. 查询时先构建高召回种子集，再在图谱上扩展并按图邻近度与谱信息重排，在固定Token预算内组装上下文。
3. 作者报告在MultiHopRAG、UltraDomain和长文档问答上提升广域证据召回，生成质量与多个基线相当，并指出早期精度、计算成本与领域差异上的权衡。

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。