粗略索引，精细证据：解耦长视频 RAG 中的时间粒度

基于图的检索增强生成（RAG）为长视频理解提供了可扩展的范例，但现有系统在构建检索索引时通常从视频分割继承固定的时间粒度。我们认为这种设计不必要地将索引粒度与证据粒度结合起来：粗略的表示通常足以定位相关的时间区域，而细粒度的证据对于下游推理仍然很重要。我们提出\textbf{密度感知图构建（DAGC）}，这是一种 无需训练 方法，它将独立于查询的粗略检索索引与原始细粒度证据空间解耦。 DAGC 通过合并视觉上冗余的相邻块来构建紧凑的、密度自适应的图索引，同时保留到原始时间单元的映射。随后，检索到的粗区域将扩展回原始块粒度，以进行细粒度证据细化和答案生成。在 MLVU、VideoMME 和 LongVideoBench 上的实验表明，DAGC 仅保留了约 40--50\% 的原始图节点，并实现了 $1.3$-$1.7\times$ 端到端挂钟加速，同时保留了约 99\% 的原始 QA 性能。增益在不同的 LVLM 主干和视频 RAG 管道之间传输，表明长视频 RAG 不需要为索引和证据推理保持相同的时间粒度。