LiteRAG：经济高效的基于图的检索增强生成

基于图的检索可以改进多跳问答，但现有方法通常会产生较高的查询时间成本，并产生分散的、超大的上下文，从而降低生成效率。我们提出了 LiteRAG，一种基于图的检索方法，它用查询条件算法探索和推理链上下文构建取代了昂贵的检索时间 LLM 控制。在分布式系统论文多跳检索基准 DistComp 上，与 GraphRAG Global 和 DRIFT 相比，LiteRAG 在评估方法中获得了最高的总体质量 (0.798)，同时将每次查询延迟降低了 100 美元\次以上，成本降低了 99% 以上。在 UltraDomain 上，它在整体质量上与 LinearRAG 相匹配，同时使用的词元少了约 14$\times$。消融研究表明，LiteRAG 的查询自适应阈值和社区感知中心惩罚是其词元效率提升的主要驱动力。