非结构化文本上的聚合查询：基准与Agentic方法

对自由文本的聚合查询是一个长期存在却未被充分研究的问题。与普通问答不同，聚合查询要求穷尽式地收集证据，系统被要求“找出全部”，而不仅仅是“找出一个”。Text-to-SQL与检索增强生成（Retrieval-Augmented Generation，RAG）等现有范式无法达到这种完备性。在这项工作中，我们在语料库有界、具有严格完备性要求的设定下，将文本上的实体级聚合查询形式化。为了实现有原则的评估，我们提出AGGBench，一个旨在评估现实大规模语料下面向完备性聚合的基准。作为基准的配套，我们提出DFA（Disambiguation--Filtering--Aggregation，消歧—过滤—聚合），一个模块化的agentic基线，它将聚合查询分解为可解释的阶段，并暴露与歧义、过滤和聚合相关的关键失败模式。实证结果表明，DFA持续提升聚合证据覆盖率，优于强大的RAG和agentic基线。数据与代码可在 https://anonymous.4open.science/r/DFA-A4C1 获取。