本页把文献阅读转成可执行的研究问题。每个方向先写清楚“改变了什么”和“什么结果会否证它”,再决定是否扩展方法。
方向一:Provenance-conditioned proof state
问题。 QueryShift 的传播状态目前主要表达实体相关性和图可达性;文档来源、证据角色和已覆盖 support set 没有共同状态。
最小改动。 在每层状态中加入已访问文档、来源可靠性、support role 和集合覆盖摘要;保持候选池、传播层数、读出器和预算不变。
判别实验。
- 同一候选池下比较 entity-only state、provenance-only readout 和 provenance-conditioned propagation。
- 固定最终文档 ranker,分别报告 R@K、FR@K、集合覆盖、来源冲突和 QA。
- 做 source swap:替换来源文档但保留实体和拓扑,观察传播是否仍选择原路径。
可能否证。 如果来源条件化状态只改善最终排序,传播过程和候选集合没有变化,说明它不是检索状态改进;如果固定候选池下集合指标没有改善,不能宣称 evidence completeness 提升。
参照:Ex-GraphRAG、CS-RAG、研究报告:从节点相关性到可验证证据集合。
方向二:Particle QueryShift
问题。 单一 query trajectory 会过早承诺一个解释,无法保留多个 reasoning hypotheses。
最小改动。 保留少量粒子状态,每个粒子维护 query state、已覆盖证据、来源和剩余预算;仅在文档 readout 前做集合级合并。
判别实验。
- 固定总传播和文档预算,比较 single state、beam over entities 和 particle proof states。
- 统计正确支持链在第几层被剪掉、粒子之间的证据互补性和最终集合冗余。
- 做 bridge removal:移除唯一桥接文档,观察系统是否能转向另一条可行假设并正确 abstain。
可能否证。 如果粒子只增加计算而不增加 support-set recall,或所有粒子快速坍缩成同一状态,则多假设表示没有独立价值。
参照:Graph-R1、DOTRAG、Graph搜索的完备性与Beam-Search偏差。
方向三:Weakly-supervised evidence roles
问题。 现有 supporting entity union 无法区分 anchor、bridge、terminal、redundant 和 contradiction。
最小改动。 用 gold support 文档、路径位置、连接结构和 source overlap 生成弱标签;训练 role-aware scorer,不改变基础传播器。
判别实验。
- 对比 scalar document score 与 role-aware set score。
- 在相同候选池和相同 top-k 下报告 bridge recall、support-set coverage、冗余率和 QA。
- 做 role ablation:移除 bridge role 或 terminal role,检查集合完整性而非只看答案分数。
可能否证。 如果 role-aware score 只重排已有 top-k,不能恢复被标量排序漏掉的文档,说明角色建模没有解决集合形成问题。
参照:BubbleRAG、STAR、GraphRAG中的Bridge Evidence 为什么关键。
共同实验约束
- 固定候选池和 gold coverage,避免把候选池扩大误报成检索策略收益。
- 保留文档排序;无序路径或 provenance 不能直接当作排名指标输入。
- 把检索指标、证据集合指标、答案指标和成本分开报告。
- 记录 checkpoint、数据划分、seed、预算、ranker、读出器和来源快照。
- 把失败模式定位到候选缺失、实体传播、集合排序、上下文压缩或生成阶段。