邻域为何重要：智能体GraphRAG中的遍历上下文与来源追溯

检索增强生成（RAG）可以通过把答案锚定在外部证据上来提升事实性，但智能体GraphRAG使"引用忠实"的含义变得复杂。在这类系统中，智能体先探索知识图谱，再产出答案与一小组引用。我们把引用忠实性框定为轨迹级问题：最终引用不仅应支持答案，还应能解释可能影响答案的图遍历、结构与访问过但未被引用的实体。通过受控消融实验，我们比较了对已引用与未引用图实体进行隔离、移除与掩蔽的效果。结果表明，被引证据往往是必要的：移除它会显著改变答案并降低准确率。然而，引用并不充分，因为准确的答案也可能依赖未引用的遍历上下文与周围图结构。这些发现表明，智能体GraphRAG中的引用评估应超越来源支持，走向对更广检索轨迹的来源追溯。