具有检索保证的基于图的 RAG 的查询感知流扩散

基于图的检索增强生成 (RAG) 系统利用互连的知识结构来捕获平面检索难以处理的复杂关系，从而实现多跳推理。然而，大多数现有的基于图的方法都存在以下问题：（i）启发式设计缺乏对子图质量或相关性的理论保证和/或（ii）使用忽略查询整体含义的静态探索策略，无论意图如何都检索邻里或社区。我们提出了查询感知流扩散 RAG (QAFD-RAG)，这是一个 无需训练 框架，可以动态地使图遍历适应每个查询的整体语义。核心创新是查询感知遍历：在图探索期间，边缘根据其端点与查询嵌入的对齐程度动态加权，沿着语义相关的路径引导流程，同时避免结构上连接但不相关的区域。这些特定于查询的推理子图为查询感知图检索提供了第一个统计保证，表明 QAFD-RAG 在温和的信噪比条件下以高概率恢复相关子图。该算法收敛速度呈指数级增长，复杂性随检索的子图大小而不是完整图的大小而缩放。问答和文本到 SQL 任务的实验证明了相对于最先进的基于图的 RAG 方法的持续改进。