横向比较主线论文时,配合 代表工作比较矩阵 使用;该矩阵把控制对象、证据目标和成本边界放在同一张表中。

一句话判断

GraphRAG 不是单一算法,而是一组围绕“结构化证据组织、查询时搜索、证据集合形成和答案支撑”展开的设计空间。判断一篇论文时,先问它改变了哪个控制对象:图表示、检索对象、搜索策略、证据集合、接口、预算,还是评测协议。

研究演进

扁平文本匹配
  -> 图作为跨文档组织结构
  -> 图上实体/子图/路径检索
  -> 可学习的图检索器和图基础模型
  -> 查询时规划、动态构图和 Agentic search
  -> 证据充分性、来源、鲁棒性、成本与适用性边界

这不是严格的年代分期。多条路线并行存在,后出现的路线也没有取代前面的所有方法。

九条主要路线

1. 结构组织与层次压缩

问题:怎样把大语料压缩成能被查询的结构?

代表:LinearRAG、E²GraphRAG、LEGO-GraphRAG、Core-based Hierarchies。

边界:结构越强,构建成本、抽取误差和压缩失真可能越高。

2. 关系、实体和多元事实表示

问题:二元实体图、关系图、超图、文本图和 query-intent 图分别保留什么?

代表:G-Retriever、GRAG、QCG-RAG、HyperGraphPro、MMGraphRAG。

边界:增加边和节点不等于保留了可用的证据语义;跨 chunk、qualifier、时间和来源仍可能丢失。

3. 软传播与轻量图检索

问题:能否用低成本传播覆盖关联证据?

代表:STAR-RAG、LinearRAG、LiteSemRAG、FastInsight。

边界:软激活能提高召回,但可能缺少明确的路径语义、证据角色和集合决策。

4. 路径、子图和证据集合

问题:最终检索对象是节点、文档、路径,还是最小充分子图?

代表:G-Retriever、BubbleRAG、DOTRAG、STAR。

边界:路径合理不代表 support set 完整;集合互补性、bridge evidence 和候选池上限必须单独评测。

5. Query planning、执行和 Agentic retrieval

问题:系统如何决定起点、动作、接口、下一跳和停止时机?

代表:Think-on-Graph-ToG、Graph-R1、GraphRAG-R1、KG-R1、LogicalRAG。

边界:更灵活的规划会带来更高成本、早期错误放大、轨迹不稳定和评测归因困难。

6. 动态结构、状态和预算

问题:查询状态如何随已获得证据变化,搜索何时升级或停止?

代表:当前 GraphRAG 检索方法的形式化描述、A2RAG、NaviRAG、PRoH、GraphRAG-Router。

边界:动态 query、动态图、动态证据集合和动态预算是不同机制,不能用“adaptive”一词合并。

7. 来源、可解释性和证据使用

问题:哪些证据被访问、编码、引用和真正用于答案?

代表:Ex-GraphRAG、XGRAG、TechGraphRAG、Why Neighborhoods Matter。

边界:可解释路径、编码 attribution、引用和因果贡献不是同一个对象。

8. 图质量、鲁棒性和安全

问题:错边、缺边、实体链接错误、攻击和结构泄露如何影响检索?

代表:CS-RAG、LogicPoison、GraphSteal、Subgraph Reconstruction Attacks。

边界:自然构图误差、随机 corruption、恶意攻击和隐私泄露需要分别设计评测。

9. 适用性、领域和部署

问题:什么时候图值得它的构建、维护和推理成本?

代表:Do We Still Need GraphRAG、GraphRAG on Consumer Hardware、Medical-Graph-RAG、ChatP&ID、Reliable Graph-RAG for Codebases。

边界:任务类型、数据结构、模型能力、图质量和预算共同决定图的收益,不能从单一多跳 QA 结果外推。

连接到你的研究

你的 QueryShift 属于“查询条件化的软传播 + 动态状态”;BERDG-RAG 属于“文档-实体路由 + 显式转移动作”。它们共同遇到的研究缺口是:图上的相关性和可达性没有充分进入文档来源、证据角色及完整证据集决策。该缺口的候选设计和否证实验见 研究报告:从节点相关性到可验证证据集合。

理论支撑