论文
超越矢量搜索：气候科学问答中经典 RAG 与混合 GraphRAG 的比较
Beyond Vector Search: Comparing Classical RAG with Hybrid GraphRAG for Climate Science Q\&A
摘要
传统的检索增强生成（RAG）系统孤立地处理文档，无法捕获复杂科学语料库中概念之间的层次关系。这种限制会影响气候学等专业领域的答案质量，其中概念依赖性经常跨越多篇文章。我们提出了一种混合架构，将向量搜索与 GraphRAG、Leiden 社区检测和跨编码器重排序相结合，与经典 RAG 相比，上下文相关性提高了 160%，上下文召回率提高了 177%。这些结果表明，统一本地和全局检索的性能显着优于文本跨度隔离，为在分散的科学文献上建立更有效的问答系统铺平了道路。