论文
MKG-RAG-Bench：多模态知识图谱增广生成中的检索基准
MKG-RAG-Bench: Benchmarking Retrieval in Multimodal Knowledge Graph-Augmented Generation
摘要
知识图谱上的检索增强生成（RAG）已成为为大语言模型锚定的有前景方法——但既有基准大多忽视多模态知识图谱RAG（MKG-RAG）中检索的挑战。实践中——检索是关键瓶颈：多模态知识异构、难以跨模态对齐——且常被为非结构化语料设计的检索器服务不善。为填补该缺口——我们介绍MKG-RAG-Bench——显式设计用于评估MKG-RAG中检索的跨域基准。MKG-RAG-Bench由横跨通用与医疗域的两个多模态知识图谱构建——含精心对齐的问答数据集——支持对检索与下游生成的受控评估。该基准以基于LLM的策展管线构建：过滤低效知识、生成带精确监督的结构锚定查询——并系统覆盖多样模态配置。跨代表性检索器家族与模态设置的大量实验表明：有效的多模态检索仍有挑战但对端到端MKG-RAG性能至关重要——且检索质量强烈决定生成结果。通过把检索隔离为一等评估目标——MKG-RAG-Bench为诊断当前局限与推进多模态知识图谱RAG系统提供有原则的基础。
