ACE-GraphRAG：分层 GraphRAG 的代理上下文工程

分层图检索增强生成（GraphRAG）以多个粒度级别组织语料库知识，但固定的上下文构建可能无法将这些多分辨率表示转换为适合当前查询的上下文。我们将这种不匹配称为表征-推理差距。我们提出了分层 GraphRAG 的代理上下文工程（ACE-GraphRAG），这是一个推理时间上下文策略层，可以补充和调整生成的初始上下文。 ACE-GraphRAG 将上下文构建制定为间隙感知细化、检索分支和任务条件适应的策略。并行差分检索从面向深度的事实分支和面向广度的语义分支获取补充证据。这些证据增量与初始上下文合并，同时保留来源和抽象级别。 Full-ACE 在每个任务系列中统一应用完整策略，而 Adaptive-ACE 为各个查询选择特定于任务和拓扑的策略。我们在 HotpotQA、2WikiMultiHopQA 和跨多跳 QA 和以查询为中心的摘要的四个 UltraDomain 子集上评估 ACE-GraphRAG。 Full-ACE 在两个任务系列中都优于评估的 RAG 和 GraphRAG 基线，而 Adaptive-ACE 进一步改进了多跳 QA，并且在所有四个 UltraDomain 子集上优于 Full-ACE。消融和拓扑分析支持将上下文构建视为查询和任务相关的推理策略而不是固定的过程。