文档结构能否改善稠密检索？四种机制的受控对照

检索增强生成系统越来越依赖于文档结构处理：结构对齐分块、LLM 生成的块上下文、标题路径元数据和分层两阶段检索。单独的研究支持不同的语料库、嵌入器和指标，并且没有控制共同的混淆：任何前置到块的文本都会扰乱其嵌入。我们提出了一种机制，隔离消融在一个协议下测试所有四种治疗方法，跨条件匹配块大小，并添加语义上无效的安慰剂——结构有效但跨文档打乱的标题路径。我们使用覆盖感知的 nDCG 对检索进行评分，并通过带有 Holm 校正的文档聚类引导程序在两个遥远的语料库上测试四个预先注册的对比：200 篇维基百科精选文章（951 个查询）和 1,585 篇 QASPER 论文（4,303 个问题）。组织有帮助，原因是内容，而不是标记：具有真实标题路径的结构对齐块击败了上下文固定窗口（+0.022 / +0.012 cov-nDCG@10）和安慰剂（+0.010 / +0.016）。天真的两阶段 分层检索伤害（-0.033 / -0.015），可追溯到第一阶段部分回忆。在维基百科上，黄金结构胜过LLM引发的结构，但在 QASPER 上则不然。影响很小（$dz$ 0.06-0.11），但 Holm 显着且在整个语料库中保持一致。