非对称动态路由：平衡超图 RAG 中的推理深度和计算效率

虽然基于图和基于超图的检索增强生成 (RAG) 显着减轻了大型语言模型 (LLM) 中的幻觉，但现有的基于结构的 RAG 系统通常采用静态遍历策略，而不管查询复杂性如何。我们将这种“静态检索谬误”确定为简单查询的计算冗余和复杂推理任务的认知上下文差距的主要来源。为了平衡推理质量和推理效率，我们提出了非对称动态路由（ADR），这是一种在分层知识图上运行的意图条件检索框架。 ADR 采用轻量级结构化分类器在三个非对称拓扑遍历运算符之间动态分派查询：局部事实锚定、自下而上的邻接扩散和自上而下的洞察基础，它们共同实现了跨分层知识层的双向信息流。对五个特定领域语料库的广泛实证评估表明，ADR 保持了强大的推理性能，同时将提示词元消耗减少了 48.7%，将端到端查询延迟减少了 45.3%，为查询自适应 Hypergraph RAG 带来了有利的质量与效率权衡。