语义压缩树：经由层次语义残差的多分辨率知识检索

检索增强生成主要依赖扁平、固定粒度的索引：文档被切成均匀块并按相似度检索，丢弃了源文档的层次结构。我们提出语义压缩树（SCT），一种层次化索引：每个节点仅存储其语义残差——即它在父节点之外新增的信息——检索则通过从根节点渐进下行完成，使每查询成本由树深度而非集合规模决定。我们在 QASPER（50 篇论文、173 个问题）上评估，采用两种仅在于基准是否提供相关文档上不同的协议，全程使用 bootstrap 置信区间和配对显著性检验。结果是喜忧参半的，我们也如实报告。当给定文档时，使用零 LLM 抽取式压缩器的 SCT 在答案质量上与稠密检索相当（0.274 对 0.277 F1，p = 0.37），上下文 token 减少 30%，且构建索引无需 LLM 调用；残差存储优于在每个节点存完整摘要（0.274 对 0.205，p < 0.001）。集合扩大 50 倍时，扁平检索的每查询打分开销乘以 48.9 倍，SCT 为 6.4 倍。但渐进下行本身未获支持：给定文档时，不用树而检索相同残差的表现相同（p = 0.27）；当系统必须自行选择文档时，下行的表现显著更差（0.122 对 0.165，p < 0.001）。路由准确率定位了原因：下行仅 20.2% 的时候选中正确论文，而扁平检索为 39.3%，因为该选择基于根残差——树中被压缩得最厉害的节点。我们的结论是：残差表示值得保留，自顶向下的路由则不然。