MEGRAG：面向答案感知多跳RAG的多粒度证据图

多跳问答是检索增强生成（RAG）中的一个基本挑战，因为要得出答案需要整合分散的证据。迭代RAG（iRAG）在解决这一挑战方面被广泛使用，但现有的方法有两个限制。首先，大多数方法仍然支持每个推理步骤以单粒度证据，这使得平衡信息密度和上下文噪声变得困难。其次，现有的方法通常在聚合跨中间步骤检索到的证据后才回答原始问题，因此冗余证据和中间检索错误可能会累积并降低最终答案的质量。为了解决这些问题，我们提出MEGRAG，这是一个答案-aware框架，将多跳推理表示为一个路径结构化的多粒度证据图。在离线阶段，MEGRAG通过一个跨粒度索引将段落与句子和提取的三元组链接起来。在线阶段，它根据当前查询检索段落，并选择对齐的证据，从紧凑的三元组开始，根据需要添加句子或段落上下文。MEGRAG使用最终的中间答案和之前的推理来决定初始查询是否已解决。如果未解决，它识别缺失信息并形成一个聚焦的下一个查询；否则，它停止检索并返回答案。广泛的实验结果表明，MEGRAG在一组多样化的RAG基准上表现出持续的改进。