NativeScope：使用正确锚点对本机拓扑进行关系本地化检索

密集检索通常根据文本块与问题的语义相似性对文本块进行排名。这忽略了许多数据系统已经存储的结构，包括部分成员资格、会话边界和本机顺序。我们提出了 NativeScope，一种用于具有已知锚点和关系的查询的范围然后排名方法。它将查询表示为 q -> (A, r, B)。锚点 A 和关系 r 通过归属、之前或之后运算符选择本机单元，目标术语 B 仅对与所选范围重叠的块进行排名。内部变体 NS-FullQ 通过完整问题对相同的候选人进行排名。我们在 1,024 个token预算下对源自 QASPER 和 LongMemEval 的 200 个受控文档和内存记录评估这两种方法。 NativeScope 的文档本机单元召回率达到 89.28%，内存本机单元召回率达到 72.50%，比实例范围的 Dense RAG 分别提高了 42.75 和 22.00 个百分点。 NS-FullQ达到87.78%和68.50%；它与 NativeScope 的差异尚无定论，主要收益在于关系范围界定而不是较短的排名 询问。使用自动 Top-1 锚点，记忆回忆率下降至 35.50%。因此，当锚点坐标和本地关系可靠时，NativeScope 是有效的，但硬范围界定会从本地化接口继承错误。