Topo-RAG：面向文本-表格混合文档的拓扑感知检索

在企业数据集中，文档很少是纯粹的。它们不只是文本，也不只是数字，而是叙述与结构的复杂混合体。当前的检索增强生成（RAG）系统试图用一个粗钝的工具应对这种复杂性：线性化。我们将丰富的多维表格转换为简单的 Markdown 式文本字符串，指望嵌入模型能用单个向量捕捉电子表格的几何结构。但已有研究表明，这在数学上是不充分的。本工作提出 Topo-RAG，一个挑战“一切皆文本”假设的框架。我们提出尊重数据拓扑的双架构：让流动的叙述经由传统稠密检索器处理，而表格结构则由保留其空间关系的 Cell-Aware Late Interaction 机制处理。在 SEC-25——一个模拟现实复杂度的合成企业语料库——上的评估显示，Topo-RAG 在混合查询上的 nDCG@10 较标准线性化方法提升 18.4%。这不仅是搜索得更好，更是理解信息的形状。