GraphRAG 的重心逐步从“连接信息”,扩展到“选择结构、学习搜索、形成充分证据,并判断图是否值得使用”。下面的阶段是对当前知识库的综合整理;时间范围相互重叠,各路线仍在并行发展。

问题推动的方法变化

时段 研究重心 原先的瓶颈 主要回答 新问题 阅读入口
2024—2025 连接分散的信息 独立片段相似度检索容易遗漏跨文档关联 用社区、实体关联、层次摘要、连通子图和在线路径组织跨片段信息 结构保留了什么,又丢失了什么? Microsoft GraphRAG;HippoRAG;LightRAG;RAPTOR;G-Retriever;Think-on-Graph
2025—2026 选择值得构建的结构 关系抽取昂贵,实体碎片化;二元边可能拆散联合事实 轻量实体图、层次结构与超图分别优化成本和表达;查询时接口开始尝试跨构图迁移 更丰富的结构是否带来可用的证据增益?检索器能否脱离特定构图? LinearRAG;HyperGraphPro;ArcRAG
2025—2026 学习可迁移的图检索 固定搜索规则难以表达问题相关的依赖,每换图重训的代价较高 学习查询条件化传播与可复用的图检索能力 实体相关性怎样转成完整文档支持集? GFM-RAG / G-reasoner 综述定位;QueryShift 当前方法
2025—2026 让检索随中间状态变化 下一条需要的证据在开始检索时可能尚不明确 多轮规划、动态扩展、强化学习与查询时结构适应;按问题生成有界探索策略 反馈错误如何控制,何时停止搜索?策略是否真的改变了证据集合? Graph-R1;GraphRAG-R1;A2RAG;MOSAIC
2026 相关方向 从相关节点走向证据集合 候选中包含桥接证据,仍可能无法进入最终上下文;扩展又会增加噪声 路径约束、连通子图、多锚点覆盖、来源 occurrence 和桥接排序 集合是否完整、互补,来源能否追溯? BubbleRAG;DOTRAG;STAR;GraphRAGProv
2026 相关方向 检查成本与适用边界 同一图、检索器或生成器不适合所有任务,答案分数掩盖额外代价 路由、预算分配、可删除索引、野外语料和多模态拓扑评测 哪类任务真正需要图,收益出现在哪个环节? GraphRAG-Router;Do We Still Need GraphRAG;Lightfoot;GraphRAG-Bench;WildGraphBench;TopoGraphRAG-Bench
持续并行 在不完美结构上保持可靠 缺边、错边、冲突与恶意结构会影响证据获取 置信度控制、来源解释、攻击测试与结构恢复研究 显示路径或引用,是否足以证明证据被使用? CS-RAG;LogicPoison;Ex-GraphRAG

如何阅读这张图

  • “研究重心”表示问题的扩展,不是技术成熟度或论文排名。后一个问题没有取代前一个问题。
  • 时段沿用当前知识库综述的归纳。具体论文年份、版本和 venue 仍以论文页的来源状态为准。
  • 代表工作是解释该问题的入口,不表示它独占、首次提出或完整解决该问题。
  • GFM-RAG 原独立笔记目前为空,因此通过现有综述进入其研究定位;不把待修复卡片当作已读论文。

接到当前研究

QueryShift 关注查询条件化传播中的动态状态,BERDG-RAG 关注文档—实体图中的显式转移。两条路线都可以进一步追问:图中的相关性、可达性和文档来源,怎样共同决定一个足以回答问题的证据集合?

先比较 代表工作比较矩阵,再阅读 研究选题与判别实验 中的最小判别实验。

综合依据