多跳 QA 中异构图向量检索的校准融合

图增强检索将密集相似性与基于图的相关性信号（例如个性化 PageRank (PPR)）相结合，但这些分数具有不同的分布，并且不能直接比较。我们将其作为多跳问答中异构检索融合的分数校准问题进行研究。我们的方法 PhaseGraph 在融合之前使用百分位等级归一化 (PIT) 将向量和图形分数映射到通用的无单位尺度，从而实现稳定的组合而不丢弃幅度信息。在 MuSiQue 和 2WikiMultiHopQA 中，校准融合改进了 HippoRAG2 风格基准上保留的最后一跳检索：MuSiQue 上的 LastHop@10 从 69.1% 增加到 71.0%（15W/5L，p=0.041，n=514），2WikiMultiHopQA 上的 LastHop@5 从 51.7% 增加到 53.6% （11W/2L，p=0.023，n=491），均基于独立的保留测试分割。与 2WikiMultiHopQA 上的官方 HippoRAG 2 管道相比，校准融合在 LastHop@10 (+6.3pp, p<10^-3) 上领先，在 LastHop@5 (-8.4pp) 上落后，这是我们完整报告的与截止相关的交叉。理论驱动的消融表明，基于百分位数的校准在调谐和测试分割上都比最小-最大归一化更稳健（1W/6L，p=0.125），而玻尔兹曼加权在校准后的表现与线性融合相当（0W/3L，p=0.25）。这些结果表明，分数补偿是一种稳健的设计选择，并且精确的后校准运算符在这些基准上似乎不太重要。