GGraphRAG 文献图谱自动同步
GraphRAG · 问题驱动的研究地图

从结构化知识,到可验证的证据获取

GraphRAG 要在结构可能不完整、检索信息需求会变化且预算有限的知识库中,获得一组充分、互补、来源可追溯的证据,并判断图结构是否值得其成本。

7 条问题主线28 个问题节点100 条登记资料
表示保留什么结构

哪些关系、来源和上下文必须留下?

交互证据怎样改变搜索

已获得的信息如何改变下一步行动?

验证收益是否真实可复现

如何区分图的贡献、生成能力与成本?

怎么读这张图左侧选主线,上方选阶段;每一步都解释瓶颈、回应与新问题。主线互相交叉,逻辑箭头不代表年代替代或引用继承。
主线 01 · 图应该保留什么信息

什么结构能连接跨文档知识,同时不过度丢失语义、来源或时间条件?

先看问题怎样推进,再点开任一步。

问题推进 · 01 / 04

文本片段彼此孤立

遇到了什么瓶颈

语义相似度难以表达实体间的显式关联,跨文档证据不容易被共同检索。

方法如何回应

以实体、关系、社区或关联传播连接分散信息。

又留下什么问题

图中边是否对应原文真实证据?节点和社区压缩了哪些上下文?

代表研究

论文卡片与专题笔记,点击查看证据边界
专题笔记
Microsoft GraphRAG

关联研究笔记,具体论文主张请回到一手来源。

打开专题 ↗
专题笔记
HippoRAG

关联研究笔记,具体论文主张请回到一手来源。

打开专题 ↗
专题笔记
LightRAG

关联研究笔记,具体论文主张请回到一手来源。

打开专题 ↗
专题笔记
RAPTOR

关联研究笔记,具体论文主张请回到一手来源。

打开专题 ↗
2024PDF 级
G-Retriever: Retrieval-Augmented Generation for Textual Graph Understanding and Question Answering

G-Retriever 处理的不是普通文档库,而是带文本属性的图。它把“从图里找什么证据给 LLM”建模成连通子图检索问题,并用 Prize-Collecting Steiner Tree (PCST) 抽出最相关子图,再交给 GNN+LLM 回答问题。

阅读论文卡片 ↗
问题推进 · 02 / 04

关系抽取昂贵且可能失真

遇到了什么瓶颈

抽取会带来漏边、错边、实体碎片化和大量离线成本。

方法如何回应

比较轻量实体图、语义链接、层次索引与 relation-free 结构。

又留下什么问题

省掉关系后,哪些问题仍可回答?新增结构的收益如何与成本对齐?

代表研究

论文卡片与专题笔记,点击查看证据边界
2025PDF 级
LINEAR RAG: Linear Graph Retrieval Augmented Generation on Large-Scale Corpora

LinearRAG 的核心主张非常明确:GraphRAG 不必先抽 relation 才能做多跳检索。作者直接放弃关系抽取,构建一个只包含实体、句子、段落三层节点的 relation-free Tri-Graph,再通过“局部语义桥接 + 全局重要性聚合”完成单次检索下的多跳证据召回。

阅读论文卡片 ↗
专题笔记
KET-RAG 与轻量表示路线

关联研究笔记,具体论文主张请回到一手来源。

打开专题 ↗
问题推进 · 03 / 04

二元边可能拆散联合事实

遇到了什么瓶颈

一个事实涉及多个实体、条件、时间和限定语;拆为独立边可能削弱共同语义。

方法如何回应

探索超图、异构图、文档—实体结构及多模态图。

又留下什么问题

表示更丰富是否产生证据增益,还是只增加构图和维护负担?

代表研究

论文卡片与专题笔记,点击查看证据边界
2025PDF 级
MMGraphRAG - Interpretable Multimodal Knowledge Graphs

MMGraphRAG 把图片解析成 scene graph,再用 SpecLink 在视觉实体和文本实体之间生成高质量候选对齐,最终构建 node-based MMKG,让检索可以沿跨模态图路径取证据,而不是只用 caption 或 shared embedding。

阅读论文卡片 ↗
专题笔记
HyperGraphRAG 与多元事实表示

关联研究笔记,具体论文主张请回到一手来源。

打开专题 ↗
问题推进 · 04 / 04

从统一构图走向任务匹配

遇到了什么瓶颈

预先建最复杂的图不一定适合每个问题或语料。

方法如何回应

根据问题结构选择结构表示,并保留到文档来源的回链。

又留下什么问题

哪类查询值得使用哪种表示?必须保留的结构如何测量?

代表研究

论文卡片与专题笔记,点击查看证据边界
2024PDF 级
StructRAG: Boosting Knowledge Intensive Reasoning of LLMs via Inference-time Hybrid Information Structurization

StructRAG 的关键想法不是“统一用图”,而是在推理时先判断当前任务更适合什么结构,再把分散在长文档里的知识重组为表格、图、算法、目录或普通 chunk,并在这个结构上完成推理。

阅读论文卡片 ↗
2026PDF 级
CrossAug - Cross-Chunk Graph Augmentation for GraphRAG

先用 GNN 识别可能缺失跨 chunk 关系的高价值子图,再只对这些区域调用 LLM 做 evidence-grounded completion。

阅读论文卡片 ↗
放回同一个跨文档问答案例

若电影介绍只记录“导演 B”,但出生地只存在于导演履历,图需要连接实体与文档;若还丢掉“出生于”这一关系方向,连接本身并不足以回答问题。

判别实验 · 本库提出

固定语料、检索器和预算,对照平面文本、关系图、层次图与超图;同时测支持文档覆盖、来源保持、构图成本,并移除或打乱关键结构。

与其他主线的连接

表示决定证据是否可达;但图中可达不等于检索器会选择,也不等于最终文档集合完整。

继续拓展 · 71 篇自动关联论文

依据 Q1—Q10 标签或 narrative_threads 归入;关联不等于该论文已人工定位到本主线的某个阶段。

2026PDF 级
GraphRAG-Router - Cost-Efficient Routing over GraphRAGs and LLMs

GraphRAG-Router 把检索后端选择和生成 LLM 选择拆成层次化动作,并用 SFT + 两阶段 RL 学习何时使用哪种 GraphRAG-LLM 组合。

阅读论文卡片 ↗
2025PDF 级
GraphRAG-Bench: Challenging Domain-Specific Reasoning for Evaluating Graph Retrieval-Augmented Generation

用大学教材和领域化问题测试 GraphRAG 的构图、检索、生成及推理过程,补足传统 QA 基准过于简单、指标单一的问题。

阅读论文卡片 ↗
年份待核验摘要级
Rethinking Chunk Size for Long-Document Retrieval: A Multi-Dataset Analysis

这篇论文真正重要的结论不是“块越大越好”或“块越小越好”,而是:chunk size 是数据集结构、答案局部性、文档长度、embedding 模型偏好共同决定的检索超参数,没有可跨场景复用的统一最优值。

阅读论文卡片 ↗
2025PDF 级
HopRAG - Multi-Hop Reasoning for Logic-Aware Retrieval-Augmented Generation

HopRAG: Multi-Hop Reasoning for Logic-Aware Retrieval-Augmented Generation

阅读论文卡片 ↗
年份待核验摘要级
MED-COPILOT: A Medical Assistant Powered by GraphRAG and Similar Patient Case Retrieval

MED-COPILOT 的核心不是只把临床指南做成 GraphRAG,而是把 guideline-grounded GraphRAG 和 similar-patient retrieval 放到同一套医疗推理流程里:前者提供规范性证据,后者提供类病例类比证据。

阅读论文卡片 ↗
2026PDF 级
Reliable Graph-RAG for Codebases - AST vs LLM Knowledge Graphs

把代码库 GraphRAG 的图构建从 LLM 抽取 KG 改成确定性 AST 派生图,用 Tree-sitter 构建窄 schema、可覆盖、可复现的代码结构图,再在 query-time 做双向邻域扩展和 interface-consumer expansion。

阅读论文卡片 ↗
2026PDF 级
OMD-GraphRAG: Enhancing GraphRAG with Ontology-Guided Extraction, Multi-Dimensional Clustering and Dual-Channel Fusion

OMD-GraphRAG 在开源 GraphRAG/LightRAG 风格流程上,联合改变三个控制点:用本体约束知识抽取,用多维社区策略保留跨边界语义,再融合细粒度三元组检索和粗粒度社区报告检索。

阅读论文卡片 ↗
2026PDF 级
FastInsight - Fast and Insightful Retrieval via Fusion Operators for Graph RAG

FastInsight 把 GraphRAG 检索分解为基础算子和融合算子,用 GRanker 在 reranking 中融合拓扑邻域,用 STeX 在图扩展中融合语义相似度,从而在不依赖多轮 LLM 推理的情况下实现快速 Insightful Retrieval。

阅读论文卡片 ↗
2026PDF 级
TechGraphRAG - Agentic Graph-Augmented RAG Framework

把技术文献推理组织成多步骤 agentic pipeline,并用 evidence sufficiency rubric 驱动外部搜索、KG 遍历和再生成。

阅读论文卡片 ↗
2026PDF 级
STAR - Semantic-Tuned and Tail-Adaptive Retriever for GraphRAG

STAR 用 single-tower cross-attention 让 query 和 path 做 token-level interaction,并用 hard path mining + path-weighted contrastive loss 强化难负例和长尾路径,从而同时缓解 Semantic Shortcut Bias 和 Long-Tail Path Bias。

阅读论文卡片 ↗
2026摘要级
Graph-Augmented Reasoning with KG Retrieval

标题: Graph-Augmented Reasoning: Evolving Step-by-Step Knowledge Graph Retrieval for LLM Reasoning

阅读论文卡片 ↗
年份待核验摘要级
Beyond Chunks and Graphs: Retrieval-Augmented Generation through Triplet-Driven Thinking

T²RAG 的核心思想是:既然 multi-round RAG 太贵、GraphRAG 建图太重,那就把知识与推理状态都降到 triplet / proposition 粒度,让 LLM 围绕“带占位符的 searchable triplets”逐轮补全信息,而不是围绕长 chunk 或显式图遍历展开。

阅读论文卡片 ↗
2024PDF 级
Think-on-Graph: Deep and Responsible Reasoning of Large Language Model on Knowledge Graph

ToG 把 LLM 从“被动读取检索结果的回答器”变成“主动在 KG 上做 beam search 的 agent”,让模型边探索关系路径、边判断何时停止,再基于路径证据回答问题。

阅读论文卡片 ↗
2026PDF 级
WildGraphBench: Benchmarking GraphRAG with Wild-Source Corpora

用 Wikipedia 文章及其外部引用构造长、异质、带来源关系的语料,检验 GraphRAG 在更接近开放环境的证据聚合任务上的表现。

阅读论文卡片 ↗
2026PDF 级
BubbleRAG - Evidence-Driven RAG for Black-Box KGs

把 GraphRAG 检索形式化为 Optimal Informative Subgraph Retrieval,并用 semantic anchor grouping、bubble expansion、CEG ranking 和 reasoning-aware expansion 近似求解。

阅读论文卡片 ↗
2026PDF 级
PersonalAI 2.0 - Planning Graph Traversal for Personalized LLM Agents

PAI-2 把 GraphRAG 检索改造成“计划驱动的多轮图遍历”:每个 search step 先映射到图顶点,再生成多个 clue-query 控制 BeamSearch / WaterCircles 遍历,并用证据充分性判断是否增强后续计划。

阅读论文卡片 ↗
年份待核验摘要级
Biomedical Knowledge Graph-Optimized Prompt Generation for Large Language Models

这篇论文虽然官方标题没有直接写 KG-RAG,但提出的核心框架就是一个面向生物医学的 KG-RAG:从巨大的 SPOKE 知识图中抽取“对当前 prompt 真正有用的最小上下文”,再交给 LLM,以更少 token 获得更可靠的医学回答。

阅读论文卡片 ↗
年份待核验摘要级
REANO: Optimising Retrieval-Augmented Reader Models through Knowledge Graph Generation

REANO 不是做“整个语料库上的 GraphRAG”,而是在 retriever 之后、reader 之前,从已检索到的 passages 里动态生成一个局部知识图,用它增强 FiD 这类 reader 的多跳理解能力。

阅读论文卡片 ↗
2026PDF 级
GraphRAG on Consumer Hardware - Local LLMs for Healthcare EHR Schema Retrieval

论文把 Microsoft GraphRAG 跑到单张 8GB VRAM 消费级 GPU 上,系统评估本地 LLM 在 EHR schema 检索中的索引、延迟、质量、幻觉和失败模式。

阅读论文卡片 ↗
年份待核验摘要级
Dynamic Chunking and Selection for Reading Comprehension of Ultra-Long Context in Large Language Models

这篇论文的核心不是“把 chunk 切得更灵活”这么简单,而是把 语义边界检测 和 问题感知选块 串成一个完整流程:先用句间语义差异找到更自然的切分点,再只保留对当前问题真正有帮助的 chunks,从而让基础 LLM 在超长阅读理解里更稳定地命中答案证据。

阅读论文卡片 ↗
2026PDF 级
TopoGraphRAG-Bench: Evaluating Multimodal GraphRAG on Layout-Grounded Evidence Reasoning

把多模态文档中的文字、表格、图像、标题和版面关系作为证据拓扑来评测,检验系统是否真的恢复了跨单元依赖,而不是只找到相关页面。

阅读论文卡片 ↗
2026PDF 级
TCAR-Gen - Temporal Graph Retrieval with Evidence Fusion

TCAR-Gen 用 query-conditioned context graph 缩小搜索空间,再用 temporal GNN attention、semantic-graph-time hybrid retrieval 和 Chain-of-Trees path fusion,让检索、推理和时间一致性约束共享同一张证据图。

阅读论文卡片 ↗
2025PDF 级
E2GraphRAG: Streamlining Graph-based RAG for High Efficiency and Effectiveness

这篇论文的目标不是重新发明 GraphRAG,而是把它工程化、轻量化、可落地化:用 Summary Tree + Entity Graph + 双向索引 保留全局摘要和局部实体结构的优势,再用自适应路由自动决定走 local 还是 global retrieval,从而把 GraphRAG 的成本压下来。

阅读论文卡片 ↗
2026PDF 级
Lightfoot: Graph Retrieval-Augmented Generation with Exact, Model-Free Document Deletion

把 GraphRAG 的索引维护纳入研究对象:用 passage 级 provenance 让实体、事实和边可精确追溯,并支持无需模型调用的文档删除。

阅读论文卡片 ↗
2026PDF 级
PRoH - Dynamic Planning over Knowledge Hypergraphs

PRoH 用局部 KH sketch 生成初始 reasoning DAG,再在状态空间中迭代求解和重写 DAG,并用 Entity-Weighted Overlap 选择超图中的下一跳 reasoning path。

阅读论文卡片 ↗
2026PDF 级
SEM-RAG - Structure-Preserving Multimodal Graph Compilation

SEM-RAG 把电信标准先编译成可执行图原语,包括层级文本、条件表格子图和公式算子图,再用结构熵最小化构建层级索引,避免递归 LLM 聚类,并通过 JSD 对齐和轻量路由把自然语言问题映射到合适子图。

阅读论文卡片 ↗
2025PDF 级
KG-R1 - Efficient and Transferable Agentic KG-RAG

KG-R1 用一个 LLM agent 替代多模块 KG-RAG workflow,让 agent 通过 schema-agnostic 1-hop KG server 多轮查询,并用 turn reward、retrieval coverage 和 turn-level group-relative advantage 训练可迁移的 KG 交互策略。

阅读论文卡片 ↗
2026PDF 级
Graph-R1 - Agentic GraphRAG via End-to-end Reinforcement Learning

Graph-R1 把 GraphRAG 形式化为 agent 在 knowledge hypergraph 环境中的多轮 think -> query -> retrieve -> rethink -> answer 轨迹,并用 GRPO 的端到端奖励训练检索与回答策略。

阅读论文卡片 ↗
2025PDF 级
LightRAG: Simple and Fast Retrieval-Augmented Generation

LightRAG 用轻量实体—关系图和向量表示组织文本索引,按 local/global 两个层级生成查询关键词并扩展邻域,以较低在线 token 成本兼顾具体事实和全局主题。

阅读论文卡片 ↗
2026摘要级
Graph-Based Approaches and Functionalities in Retrieval-Augmented Generation: A Comprehensive Survey

不把图的作用限制为知识图谱遍历,而是按数据库构建、检索算法、提示、流水线控制和任务功能分析图结构在 RAG 中承担的不同角色。

阅读论文卡片 ↗
2026PDF 级
Reasoning Bottleneck in Graph-RAG - Structured Prompting and Context Compression

这篇论文证明 GraphRAG 的瓶颈可以从“检索不到证据”转移到“证据已在上下文但模型不会用”,并用 SPARQL CoT、graph-walk compression 和 question-type routing 三个推理时增强模块缓解后检索推理失败。

阅读论文卡片 ↗
2025PDF 级
Query-Centric Graph Retrieval Augmented Generation

QCG-RAG 的核心思想是:GraphRAG 不一定非要围绕“实体”建图,也不必退回“文档”建图;可以围绕 由 chunk 生成出的 query / query-answer 意图节点 建图,用“检索意图粒度”在表达力和成本之间取中间解。

阅读论文卡片 ↗
年份待核验摘要级
RECON: Multimodal GraphRAG for Visually Rich Documents with Intra-Page Reflection and Inter-Page Connection

RECON 试图解决一个 text-only GraphRAG 没真正碰到的问题:面对 slides、图文报告、绘本这类 visually rich documents,单页检索远远不够,必须把页内多模态关系和跨页长程联系一起组织成 multimodal knowledge graph。

阅读论文卡片 ↗
2026PDF 级
A2RAG - Adaptive Agentic Graph Retrieval

A2RAG 把 GraphRAG 检索改造成“先轻量、再桥接、最后全局扩散”的渐进式 agent,并用 answer-level Triple-Check 决定是否重写和重试。

阅读论文卡片 ↗
2026摘要级
Towards Robust RAG Based on Knowledge Graph - A Comparative Analysis

Towards Robust Retrieval-Augmented Generation Based on Knowledge Graph

阅读论文卡片 ↗
2026PDF 级
MOSAIC: Query-Aware Exploration Policy Adaptation for GraphRAG

将 GraphRAG 检索写成逐查询控制问题,让分析器根据问题需要决定 seed、遍历、停止和证据选择,而不是所有问题共用窄/中/宽搜索策略。

阅读论文卡片 ↗
2026PDF 级
DOTRAG - Retrieval-Time Reasoning Along Paths

DOTRAG 把 GraphRAG 检索改写为 goal-constrained path-finding,在每个 query-specific DOT 工作区内用 LLM 生成路径约束、局部向量检索候选节点、Yen shortest paths 构造候选路径,再用 LLM 判断路径是否 partial / complete。

阅读论文卡片 ↗
2026PDF 级
LogicPoison - Logical Attacks on GraphRAG

LogicPoison 用“同类型实体循环置换”重写语料,使 GraphRAG 构建出的图拓扑被隐式污染,从而破坏多跳推理链,而不改变查询和 ground truth。

阅读论文卡片 ↗
2026PDF 级
GraphRAGProv: GraphRAG Meets How-Provenance

将查询结果的 how-provenance 多项式与源文本 occurrence 连接起来,检查“图上的答案如何由哪些原文陈述组合得到”。

阅读论文卡片 ↗
2026PDF 级
NaviRAG - Active Knowledge Navigation for RAG

NaviRAG 把证据获取从 passive segment retrieval 改写成 active knowledge navigation:先把文档组织成可导航的 hierarchical Knowledge Tree,再让 LLM agent 在 query-time 先定位语义子树、再自顶向下逐步展开证据。

阅读论文卡片 ↗
年份待核验摘要级
Graph-based RAG 研究脉络阅读报告

主要会议**: ICLR, NeurIPS, ACL, ICML, EMNLP, AAAI

阅读论文卡片 ↗
年份待核验摘要级
ReinPool: Reinforcement Learning Pooling Multi-Vector Embeddings for Retrieval System

ReinPool 不是重新训练一个更强的多向量检索模型,而是站在现有 multi-vector 表示之上,学习“哪些 token/patch 向量值得保留”,再把它们池化成单向量,从而在大幅压缩索引成本的同时尽量保住检索效果。

阅读论文卡片 ↗
2026PDF 级
Rethinking Agentic RAG - LLM-Driven Logical Retrieval Beyond Embeddings

LogicalRAG 让 LLM 用 Boolean logic、phrase matching、field targeting 和 matching granularity 表达检索意图,再用倒排索引忠实执行候选过滤,用 BM25 只负责候选集内排序。

阅读论文卡片 ↗
2026PDF 级
GraphSteal - Structural Knowledge Stealing from GraphRAG

GraphSteal 把 GraphRAG 视为结构化 oracle,通过黑盒多轮查询,把 LLM 输出中的实体和关系解析回图,并用 BFS/DFS 式 traversal reconstruction 恢复隐藏 KG。

阅读论文卡片 ↗
2026PDF 级
Core-based Hierarchies for Efficient GraphRAG

论文把 Microsoft GraphRAG 的 Leiden 社区层次替换为确定性的 k-core 层次,并用小社区合并和 round-robin token 预算控制,目标是在 global sensemaking 中减少层次构建和摘要成本。

阅读论文卡片 ↗
2026PDF 级
GraphRAG-R1 - Process-Constrained Reinforcement Learning for GraphRAG

GraphRAG-R1 用支持 rollout-with-thinking 的 GRPO 训练 GraphRAG agent,并通过 PRA 奖励鼓励必要检索、CAF 奖励惩罚无效过度检索,再用三阶段训练避免格式、检索行为和答案质量目标互相冲突。

阅读论文卡片 ↗
2026PDF 级
XGRAG - Graph-Native Framework for Explaining KG-based RAG

XGRAG 把扰动解释从文本 token / sentence 提升到图节点和边,通过“扰动图组件 -> 重新生成答案 -> 比较语义变化”来估计每个 graph component 对答案的因果贡献。

阅读论文卡片 ↗
2024PDF 级
From Local to Global: A Graph RAG Approach to Query-Focused Summarization

Microsoft GraphRAG 的源头论文:以实体—关系图、层级社区和社区摘要替代单纯的局部向量检索,使系统能回答面向整个语料库的 global sensemaking 问题。

阅读论文卡片 ↗
2026PDF 级
HyperGraphPro - Progress-Aware Hypergraph RAG

HyperGraphPro 用结构引导的 hyperedge re-score 改善检索,再用 step progress reward 和 structure progress reward 调制 GRPO advantage,让 agent 在训练中获得“这一步是否让推理更接近答案、是否沿图结构连续前进”的稠密反馈。

阅读论文卡片 ↗
2026PDF 级
CacheRAG - Semantic Caching for KGQA

CacheRAG 把 KGQA planner 从 stateless prompt 变成带语义计划缓存的 continual learner,用 ISR 解耦用户语言和物理 schema,用 Domain -> Aspect + MMR 取多样历史计划,再用有界图算子补全不足证据。

阅读论文卡片 ↗
2024PDF 级
RAPTOR: Recursive Abstractive Processing for Tree-Organized Retrieval

RAPTOR 不把检索限制在原始短 chunk,而是递归地对嵌入后的文本块聚类、摘要和再聚类,建立从细节到主题的树,在查询时同时检索不同抽象层级。

阅读论文卡片 ↗
2026PDF 级
IA-RAG - Interval-Algebra Temporal Reasoning for Dynamic Knowledge Retrieval

IA-RAG 把事实抽成带闭区间的 Interval Event Unit,并用 Allen’s Interval Algebra 构建层次 Thematic Forest,再按 query 的时间窗口做方向性 interval traversal,从而把时间推理从生成阶段前移到检索阶段。

阅读论文卡片 ↗
2026PDF 级
CS-RAG - Robust GraphRAG over Imperfect KGs

CS-RAG 不试图先把 KG 修到完美,而是在检索时把问题拆成可执行原子约束,并用 Neff 判断每一跳的结构候选是否足够集中;集中则传播变量,不集中则转入文本恢复。

阅读论文卡片 ↗
2025PDF 级
FRAG: A Flexible Modular Framework for Retrieval-Augmented Generation based on Knowledge Graphs

FRAG 关注的是 KG-RAG 里一个很现实的矛盾: 模块化方法够灵活但检索质量不够,耦合方法检索更强但失去灵活性。它通过“先判断 query 复杂度,再切换检索流水线”的方式,试图同时保住灵活性和检索质量。

阅读论文卡片 ↗
2026PDF 级
Ex-GraphRAG - Interpretable Evidence Routing for Graph-Augmented LLMs

Ex-GraphRAG 用 M-GNAN 替换 GraphRAG 的黑盒 GNN encoder,让 encoder 输出可以精确分解到节点和特征组,从而审计哪些实体真正影响了图条件表示。

阅读论文卡片 ↗
2026PDF 级
ChatP&ID - GraphRAG for Engineering Diagrams

ChatP&ID 把 P&ID 从视觉图像转换为 DEXPI 驱动的 flowsheet knowledge graph,再让 LLM agent 按 query 类型选择 ContextRAG、VectorRAG、PathRAG 或 CypherRAG,从而在精确性、成本和可解释工具轨迹之间折中。

阅读论文卡片 ↗
年份待核验摘要级
Medical Graph RAG: Towards Safe Medical Large Language Model via Graph Retrieval-Augmented Generation

Medical Graph RAG 可以看成 GraphRAG 在医学领域的一次“安全化改造”: 它不仅要回答得对,还要让回答可追溯到可信医学来源,并能同时给出专业术语定义与证据出处。

阅读论文卡片 ↗
2025PDF 级
LEGO-GraphRAG: Modularizing Graph-based Retrieval-Augmented Generation for Design Space Exploration

LEGO-GraphRAG 不是再提一个单独的 GraphRAG 算法,而是把 GraphRAG 拆成可组合的模块、方法类型和语义模型,做成一个 设计空间框架 + 实验测试床,系统分析质量、效率和成本之间的权衡。

阅读论文卡片 ↗
2026摘要级
CogitoRAG - Cognitive Gist-Driven RAG Framework

CogitoRAG: Cognitive Gist-Driven RAG Framework

阅读论文卡片 ↗
2025摘要级
Graph Retrieval-Augmented Generation: A Survey

以 Graph-Based Indexing、Graph-Guided Retrieval、Graph-Enhanced Generation 三阶段组织 GraphRAG 方法、训练、下游任务和评测,是现有知识库的综述入口。

阅读论文卡片 ↗
年份待核验摘要级
CFT-RAG: An Entity Tree Based Retrieval Augmented Generation Algorithm With Cuckoo Filter

CFT-RAG 关注的不是“怎样让 Tree-RAG 更会推理”,而是“怎样让 Tree-RAG 在大规模实体树上查得足够快”。它把改进版 Cuckoo Filter 直接嵌入实体树检索流程,用 fingerprint + block linked list + temperature sorting 把实体定位从树遍历变成近似 O(1) 的桶查找。

阅读论文卡片 ↗
2026PDF 级
MemGraphRAG - Memory-based Multi-Agent GraphRAG

MemGraphRAG 把图构建改成由三层 Global Memory 支撑的多智能体协作过程,让抽取结果先进入共享记忆,再经过 schema 稳定、冲突裁决和跨层投影,最终形成可检索的层次图。

阅读论文卡片 ↗
年份待核验摘要级
GRAG: Graph Retrieval-Augmented Generation

GRAG 关注的是 textual graphs,不是传统知识图谱。它把 RAG 从“检索独立文档”推进到“检索文本子图”,再同时把文本视图和图视图送入 LLM,让模型既看到内容,也看到拓扑关系。

阅读论文卡片 ↗
年份待核验摘要级
RIGHT ANSWER AT THE RIGHT TIME: Temporal Retrieval-Augmented Generation via Graph Summarization

STAR-RAG 的核心不是“把时间戳加到普通 GraphRAG 里”,而是把 temporal KG 先压缩成一个时间对齐的规则图,再用带种子的 Personalized PageRank 只沿着“语义相关且时间上合理”的局部邻域扩散,从而同时提高正确率和降低 token 开销。

阅读论文卡片 ↗
2026PDF 级
LLM-Wiki - Retrieval as Reasoning via Self-Evolving Agent-Native Retrieval

LLM-Wiki 把外部语料编译成可读、可搜索、可沿双向链接遍历、可通过 Error Book 自修复的 Wiki,让 retrieval 从隐藏 ranking step 变成 agent 的显式推理过程。

阅读论文卡片 ↗
年份待核验摘要级
研究报告:从节点相关性到可验证证据集合

Provenance-conditioned Proof-State Retrieval:让实体状态、关系路径和文档来源在同一个查询条件化的“证明状态”中联合演化,而不是先算实体分数、再独立聚合文档。

阅读论文卡片 ↗
2026PDF 级
Subgraph Reconstruction Attacks on Graph RAG Deployments

本文把 GraphRAG 结构泄露形式化为 targeted one-hop subgraph reconstruction,并证明在 safe prompt 已启用的部署中,攻击与防御的关键不只是“能否拒绝敏感请求”,而是 relation table 的实例边界、字段归属和多轮新关系收益。

阅读论文卡片 ↗
2026PDF 级
ArcRAG: Agentic Compositional Retrieval over Knowledge Graphs

把“检索器必须配合自己的构图方式”作为可检验假设,尝试在查询时诱导局部图接口,并以构图无关的方式规划和修复多跳 Cypher 检索。

阅读论文卡片 ↗
2025摘要级
Towards Practical GraphRAG - Efficient KG Construction and Hybrid Retrieval at Scale

Towards Practical GraphRAG: Efficient Knowledge Graph Construction and Hybrid Retrieval at Scale

阅读论文卡片 ↗
2026PDF 级
LiteSemRAG - Lightweight LLM-Free Semantic-Aware Graph Retrieval

LiteSemRAG 用 token-level contextual embeddings 构建 document / chunk / semantic / token 四层异构语义图,并通过 co-occurrence graph semantic retrieval + isolated semantic recovery 实现完全无 LLM 的语义感知图检索。

阅读论文卡片 ↗
2026PDF 级
Do We Still Need GraphRAG - Agentic Search Benchmark

提出 RAGSearch,把 dense RAG 和多类 GraphRAG 都作为 agentic search 的 interchangeable retrieval backend,在统一 agent 控制协议下比较显式图结构与隐式交互结构的价值。

阅读论文卡片 ↗
主线 02 · 检索器实际要找什么

成功是找到答案实体、连接问题实体的路径,还是找全支持回答的一组原始文档?

先看问题怎样推进,再点开任一步。

问题推进 · 01 / 04

从相似文本找种子

遇到了什么瓶颈

高相似片段可能只包含问题中的实体,却没有多跳链路上的关系事实。

方法如何回应

在实体、三元组、候选子图或路径空间中检索。

又留下什么问题

KGQA 中找到了答案节点,不代表找到了文档问答需要的来源材料。

代表研究

论文卡片与专题笔记,点击查看证据边界
2024PDF 级
G-Retriever: Retrieval-Augmented Generation for Textual Graph Understanding and Question Answering

G-Retriever 处理的不是普通文档库,而是带文本属性的图。它把“从图里找什么证据给 LLM”建模成连通子图检索问题,并用 Prize-Collecting Steiner Tree (PCST) 抽出最相关子图,再交给 GNN+LLM 回答问题。

阅读论文卡片 ↗
2024PDF 级
Think-on-Graph: Deep and Responsible Reasoning of Large Language Model on Knowledge Graph

ToG 把 LLM 从“被动读取检索结果的回答器”变成“主动在 KG 上做 beam search 的 agent”,让模型边探索关系路径、边判断何时停止,再基于路径证据回答问题。

阅读论文卡片 ↗
问题推进 · 02 / 04

利用拓扑补关联

遇到了什么瓶颈

邻居扩展或传播能发现低词面相似的关联实体,也可能漫游到无关分支。

方法如何回应

用查询条件化激活、路径距离或轻量子图评分缩小搜索范围。

又留下什么问题

节点相关性与当前问题中的推理作用不是同一概念。

代表研究

论文卡片与专题笔记,点击查看证据边界
2026PDF 级
Graph-R1 - Agentic GraphRAG via End-to-end Reinforcement Learning

Graph-R1 把 GraphRAG 形式化为 agent 在 knowledge hypergraph 环境中的多轮 think -> query -> retrieve -> rethink -> answer 轨迹,并用 GRPO 的端到端奖励训练检索与回答策略。

阅读论文卡片 ↗
专题笔记
GNN-RAG 与可训练图检索路线

关联研究笔记,具体论文主张请回到一手来源。

打开专题 ↗
问题推进 · 03 / 04

从单图检索走向可迁移检索

遇到了什么瓶颈

为每种数据集或知识图单独设计特征,迁移到新图时可能失效。

方法如何回应

训练或预训练图检索能力,并探索统一表示与跨图推理。

又留下什么问题

所谓泛化究竟跨问题、跨领域,还是连构图方式都改变?

代表研究

论文卡片与专题笔记,点击查看证据边界
专题笔记
GFM-RAG 与 G-reasoner 研究定位

关联研究笔记,具体论文主张请回到一手来源。

打开专题 ↗
问题推进 · 04 / 04

从实体结果回到原文文档

遇到了什么瓶颈

检索器得分常处于节点或路径空间,回答却要求一组来源文档。

方法如何回应

聚合实体到文档的得分,保留检索排序与原始证据。

又留下什么问题

聚合后是否保留桥接文档、证据角色和集合互补性?

代表研究

论文卡片与专题笔记,点击查看证据边界
2026PDF 级
Ex-GraphRAG - Interpretable Evidence Routing for Graph-Augmented LLMs

Ex-GraphRAG 用 M-GNAN 替换 GraphRAG 的黑盒 GNN encoder,让 encoder 输出可以精确分解到节点和特征组,从而审计哪些实体真正影响了图条件表示。

阅读论文卡片 ↗
专题笔记
实体到文档的证据集合缺口

关联研究笔记,具体论文主张请回到一手来源。

打开专题 ↗
放回同一个跨文档问答案例

导演 B 是关键中间节点,但把 B 排名第一还没回答“出生于哪个国家”;检索目标最终要落到能支撑各跳的文档,而不止实体列表。

判别实验 · 本库提出

固定同一个候选图,分别评价答案实体、推理路径、原文支持文档排序和完整 support set;对实体到文档聚合方式做独立消融。

与其他主线的连接

检索对象的定义影响动态控制和训练奖励。若目标仍是单点节点召回,系统可能从未被训练去找整组证据。

继续拓展 · 83 篇自动关联论文

依据 Q1—Q10 标签或 narrative_threads 归入;关联不等于该论文已人工定位到本主线的某个阶段。

2026PDF 级
GraphRAG-Router - Cost-Efficient Routing over GraphRAGs and LLMs

GraphRAG-Router 把检索后端选择和生成 LLM 选择拆成层次化动作,并用 SFT + 两阶段 RL 学习何时使用哪种 GraphRAG-LLM 组合。

阅读论文卡片 ↗
2025PDF 级
GraphRAG-Bench: Challenging Domain-Specific Reasoning for Evaluating Graph Retrieval-Augmented Generation

用大学教材和领域化问题测试 GraphRAG 的构图、检索、生成及推理过程,补足传统 QA 基准过于简单、指标单一的问题。

阅读论文卡片 ↗
年份待核验摘要级
Rethinking Chunk Size for Long-Document Retrieval: A Multi-Dataset Analysis

这篇论文真正重要的结论不是“块越大越好”或“块越小越好”,而是:chunk size 是数据集结构、答案局部性、文档长度、embedding 模型偏好共同决定的检索超参数,没有可跨场景复用的统一最优值。

阅读论文卡片 ↗
年份待核验摘要级
GeAR: Graph-enhanced Agent for Retrieval-augmented Generation

GeAR 试图把任何普通 retriever 升级成 graph-enhanced multi-hop retriever,再用一个带 gist memory 的 agent 循环逐步改写 query、扩展证据并完成多跳检索。

阅读论文卡片 ↗
2025PDF 级
HopRAG - Multi-Hop Reasoning for Logic-Aware Retrieval-Augmented Generation

HopRAG: Multi-Hop Reasoning for Logic-Aware Retrieval-Augmented Generation

阅读论文卡片 ↗
年份待核验摘要级
MED-COPILOT: A Medical Assistant Powered by GraphRAG and Similar Patient Case Retrieval

MED-COPILOT 的核心不是只把临床指南做成 GraphRAG,而是把 guideline-grounded GraphRAG 和 similar-patient retrieval 放到同一套医疗推理流程里:前者提供规范性证据,后者提供类病例类比证据。

阅读论文卡片 ↗
2026PDF 级
Reliable Graph-RAG for Codebases - AST vs LLM Knowledge Graphs

把代码库 GraphRAG 的图构建从 LLM 抽取 KG 改成确定性 AST 派生图,用 Tree-sitter 构建窄 schema、可覆盖、可复现的代码结构图,再在 query-time 做双向邻域扩展和 interface-consumer expansion。

阅读论文卡片 ↗
2026PDF 级
OMD-GraphRAG: Enhancing GraphRAG with Ontology-Guided Extraction, Multi-Dimensional Clustering and Dual-Channel Fusion

OMD-GraphRAG 在开源 GraphRAG/LightRAG 风格流程上,联合改变三个控制点:用本体约束知识抽取,用多维社区策略保留跨边界语义,再融合细粒度三元组检索和粗粒度社区报告检索。

阅读论文卡片 ↗
2026PDF 级
FastInsight - Fast and Insightful Retrieval via Fusion Operators for Graph RAG

FastInsight 把 GraphRAG 检索分解为基础算子和融合算子,用 GRanker 在 reranking 中融合拓扑邻域,用 STeX 在图扩展中融合语义相似度,从而在不依赖多轮 LLM 推理的情况下实现快速 Insightful Retrieval。

阅读论文卡片 ↗
2026PDF 级
TechGraphRAG - Agentic Graph-Augmented RAG Framework

把技术文献推理组织成多步骤 agentic pipeline,并用 evidence sufficiency rubric 驱动外部搜索、KG 遍历和再生成。

阅读论文卡片 ↗
年份待核验摘要级
From Matching to Generation: A Survey on Generative Information Retrieval

这篇综述把信息检索从“对查询和文档做匹配并排序”的传统范式,扩展为“由生成模型直接产生检索对象或响应”的 GenIR 范式,并系统梳理了生成式检索与可靠响应生成两条主线。

阅读论文卡片 ↗
2026PDF 级
STAR - Semantic-Tuned and Tail-Adaptive Retriever for GraphRAG

STAR 用 single-tower cross-attention 让 query 和 path 做 token-level interaction,并用 hard path mining + path-weighted contrastive loss 强化难负例和长尾路径,从而同时缓解 Semantic Shortcut Bias 和 Long-Tail Path Bias。

阅读论文卡片 ↗
2026摘要级
Graph-Augmented Reasoning with KG Retrieval

标题: Graph-Augmented Reasoning: Evolving Step-by-Step Knowledge Graph Retrieval for LLM Reasoning

阅读论文卡片 ↗
年份待核验摘要级
Beyond Chunks and Graphs: Retrieval-Augmented Generation through Triplet-Driven Thinking

T²RAG 的核心思想是:既然 multi-round RAG 太贵、GraphRAG 建图太重,那就把知识与推理状态都降到 triplet / proposition 粒度,让 LLM 围绕“带占位符的 searchable triplets”逐轮补全信息,而不是围绕长 chunk 或显式图遍历展开。

阅读论文卡片 ↗
年份待核验摘要级
关于嵌入式检索的理论局限性

原标题**: On the Theoretical Limitations of Embedding-Based Retrieval

阅读论文卡片 ↗
年份待核验摘要级
How Does Generative Retrieval Scale to Millions of Passages?

这篇论文检验生成式检索能否从约十万规模语料真正扩展到百万级:它在小语料上可与强双编码器竞争,但把整个语料“记入参数”后,百万级扩展仍是未解问题,不能仅靠放大模型或堆叠已有结构改造解决。

阅读论文卡片 ↗
2026PDF 级
WildGraphBench: Benchmarking GraphRAG with Wild-Source Corpora

用 Wikipedia 文章及其外部引用构造长、异质、带来源关系的语料,检验 GraphRAG 在更接近开放环境的证据聚合任务上的表现。

阅读论文卡片 ↗
2026PDF 级
BubbleRAG - Evidence-Driven RAG for Black-Box KGs

把 GraphRAG 检索形式化为 Optimal Informative Subgraph Retrieval,并用 semantic anchor grouping、bubble expansion、CEG ranking 和 reasoning-aware expansion 近似求解。

阅读论文卡片 ↗
2026PDF 级
PersonalAI 2.0 - Planning Graph Traversal for Personalized LLM Agents

PAI-2 把 GraphRAG 检索改造成“计划驱动的多轮图遍历”:每个 search step 先映射到图顶点,再生成多个 clue-query 控制 BeamSearch / WaterCircles 遍历,并用证据充分性判断是否增强后续计划。

阅读论文卡片 ↗
年份待核验摘要级
Biomedical Knowledge Graph-Optimized Prompt Generation for Large Language Models

这篇论文虽然官方标题没有直接写 KG-RAG,但提出的核心框架就是一个面向生物医学的 KG-RAG:从巨大的 SPOKE 知识图中抽取“对当前 prompt 真正有用的最小上下文”,再交给 LLM,以更少 token 获得更可靠的医学回答。

阅读论文卡片 ↗
2025PDF 级
LINEAR RAG: Linear Graph Retrieval Augmented Generation on Large-Scale Corpora

LinearRAG 的核心主张非常明确:GraphRAG 不必先抽 relation 才能做多跳检索。作者直接放弃关系抽取,构建一个只包含实体、句子、段落三层节点的 relation-free Tri-Graph,再通过“局部语义桥接 + 全局重要性聚合”完成单次检索下的多跳证据召回。

阅读论文卡片 ↗
年份待核验摘要级
REANO: Optimising Retrieval-Augmented Reader Models through Knowledge Graph Generation

REANO 不是做“整个语料库上的 GraphRAG”,而是在 retriever 之后、reader 之前,从已检索到的 passages 里动态生成一个局部知识图,用它增强 FiD 这类 reader 的多跳理解能力。

阅读论文卡片 ↗
2026PDF 级
GraphRAG on Consumer Hardware - Local LLMs for Healthcare EHR Schema Retrieval

论文把 Microsoft GraphRAG 跑到单张 8GB VRAM 消费级 GPU 上,系统评估本地 LLM 在 EHR schema 检索中的索引、延迟、质量、幻觉和失败模式。

阅读论文卡片 ↗
年份待核验摘要级
Dynamic Chunking and Selection for Reading Comprehension of Ultra-Long Context in Large Language Models

这篇论文的核心不是“把 chunk 切得更灵活”这么简单,而是把 语义边界检测 和 问题感知选块 串成一个完整流程:先用句间语义差异找到更自然的切分点,再只保留对当前问题真正有帮助的 chunks,从而让基础 LLM 在超长阅读理解里更稳定地命中答案证据。

阅读论文卡片 ↗
2026PDF 级
TopoGraphRAG-Bench: Evaluating Multimodal GraphRAG on Layout-Grounded Evidence Reasoning

把多模态文档中的文字、表格、图像、标题和版面关系作为证据拓扑来评测,检验系统是否真的恢复了跨单元依赖,而不是只找到相关页面。

阅读论文卡片 ↗
2026PDF 级
TCAR-Gen - Temporal Graph Retrieval with Evidence Fusion

TCAR-Gen 用 query-conditioned context graph 缩小搜索空间,再用 temporal GNN attention、semantic-graph-time hybrid retrieval 和 Chain-of-Trees path fusion,让检索、推理和时间一致性约束共享同一张证据图。

阅读论文卡片 ↗
2025PDF 级
E2GraphRAG: Streamlining Graph-based RAG for High Efficiency and Effectiveness

这篇论文的目标不是重新发明 GraphRAG,而是把它工程化、轻量化、可落地化:用 Summary Tree + Entity Graph + 双向索引 保留全局摘要和局部实体结构的优势,再用自适应路由自动决定走 local 还是 global retrieval,从而把 GraphRAG 的成本压下来。

阅读论文卡片 ↗
2026PDF 级
Lightfoot: Graph Retrieval-Augmented Generation with Exact, Model-Free Document Deletion

把 GraphRAG 的索引维护纳入研究对象:用 passage 级 provenance 让实体、事实和边可精确追溯,并支持无需模型调用的文档删除。

阅读论文卡片 ↗
2026PDF 级
PRoH - Dynamic Planning over Knowledge Hypergraphs

PRoH 用局部 KH sketch 生成初始 reasoning DAG,再在状态空间中迭代求解和重写 DAG,并用 Entity-Weighted Overlap 选择超图中的下一跳 reasoning path。

阅读论文卡片 ↗
2026PDF 级
SEM-RAG - Structure-Preserving Multimodal Graph Compilation

SEM-RAG 把电信标准先编译成可执行图原语,包括层级文本、条件表格子图和公式算子图,再用结构熵最小化构建层级索引,避免递归 LLM 聚类,并通过 JSD 对齐和轻量路由把自然语言问题映射到合适子图。

阅读论文卡片 ↗
2025PDF 级
KG-R1 - Efficient and Transferable Agentic KG-RAG

KG-R1 用一个 LLM agent 替代多模块 KG-RAG workflow,让 agent 通过 schema-agnostic 1-hop KG server 多轮查询,并用 turn reward、retrieval coverage 和 turn-level group-relative advantage 训练可迁移的 KG 交互策略。

阅读论文卡片 ↗
2025PDF 级
LightRAG: Simple and Fast Retrieval-Augmented Generation

LightRAG 用轻量实体—关系图和向量表示组织文本索引,按 local/global 两个层级生成查询关键词并扩展邻域,以较低在线 token 成本兼顾具体事实和全局主题。

阅读论文卡片 ↗
2026摘要级
Graph-Based Approaches and Functionalities in Retrieval-Augmented Generation: A Comprehensive Survey

不把图的作用限制为知识图谱遍历,而是按数据库构建、检索算法、提示、流水线控制和任务功能分析图结构在 RAG 中承担的不同角色。

阅读论文卡片 ↗
2025PDF 级
MMGraphRAG - Interpretable Multimodal Knowledge Graphs

MMGraphRAG 把图片解析成 scene graph,再用 SpecLink 在视觉实体和文本实体之间生成高质量候选对齐,最终构建 node-based MMKG,让检索可以沿跨模态图路径取证据,而不是只用 caption 或 shared embedding。

阅读论文卡片 ↗
年份待核验摘要级
GRIL: Knowledge Graph Retrieval-Integrated Learning with Large Language Models

GRIL 的关键不是“再做一个图检索器”,而是把 graph retriever 与 LLM reasoner 做成可交互、端到端联合优化 的系统,让检索目标从“相关”变成“对最终推理有用”。

阅读论文卡片 ↗
年份待核验摘要级
Generative Dense Retrieval: Memory Can Be a Burden

GDR 不让生成式模型强行记住并唯一定位每篇文档,而是只生成相关文档簇;随后用无需参数记忆的稠密检索在簇内完成细粒度文档匹配,从而兼得生成式深度交互与稠密检索的可扩展性。

阅读论文卡片 ↗
2026PDF 级
Reasoning Bottleneck in Graph-RAG - Structured Prompting and Context Compression

这篇论文证明 GraphRAG 的瓶颈可以从“检索不到证据”转移到“证据已在上下文但模型不会用”,并用 SPARQL CoT、graph-walk compression 和 question-type routing 三个推理时增强模块缓解后检索推理失败。

阅读论文卡片 ↗
2025PDF 级
Query-Centric Graph Retrieval Augmented Generation

QCG-RAG 的核心思想是:GraphRAG 不一定非要围绕“实体”建图,也不必退回“文档”建图;可以围绕 由 chunk 生成出的 query / query-answer 意图节点 建图,用“检索意图粒度”在表达力和成本之间取中间解。

阅读论文卡片 ↗
年份待核验摘要级
Generative Retrieval Overcomes Limitations of Dense Retrieval but Struggles with Identifier Ambiguity

生成式检索能够绕开单向量稠密检索在复杂相关性组合上的表示瓶颈,但它把检索问题转化为“生成正确文档标识符”的解码问题;当相关文档之间的标识符不再可唯一预测时,这个新瓶颈会迅速显现。

阅读论文卡片 ↗
年份待核验摘要级
RECON: Multimodal GraphRAG for Visually Rich Documents with Intra-Page Reflection and Inter-Page Connection

RECON 试图解决一个 text-only GraphRAG 没真正碰到的问题:面对 slides、图文报告、绘本这类 visually rich documents,单页检索远远不够,必须把页内多模态关系和跨页长程联系一起组织成 multimodal knowledge graph。

阅读论文卡片 ↗
2026摘要级
Enhancing Automated Short Answer Grading with GraphRAG

Enhancing Automated Short Answer Grading with GraphRAG

阅读论文卡片 ↗
2025PDF 级
Inference Scaled GraphRAG: Improving Multi Hop Question Answering on Knowledge Graphs

论文研究 GraphRAG 的推理时预算:在固定图接口和 Llama3.1-8B-Instruct 主设置下,同时增加单条轨迹的 reasoning-action 步数,并对多条采样轨迹做 majority voting,以改善多跳图问答。

阅读论文卡片 ↗
2026PDF 级
A2RAG - Adaptive Agentic Graph Retrieval

A2RAG 把 GraphRAG 检索改造成“先轻量、再桥接、最后全局扩散”的渐进式 agent,并用 answer-level Triple-Check 决定是否重写和重试。

阅读论文卡片 ↗
2026摘要级
Towards Robust RAG Based on Knowledge Graph - A Comparative Analysis

Towards Robust Retrieval-Augmented Generation Based on Knowledge Graph

阅读论文卡片 ↗
2026PDF 级
MOSAIC: Query-Aware Exploration Policy Adaptation for GraphRAG

将 GraphRAG 检索写成逐查询控制问题,让分析器根据问题需要决定 seed、遍历、停止和证据选择,而不是所有问题共用窄/中/宽搜索策略。

阅读论文卡片 ↗
2026PDF 级
DOTRAG - Retrieval-Time Reasoning Along Paths

DOTRAG 把 GraphRAG 检索改写为 goal-constrained path-finding,在每个 query-specific DOT 工作区内用 LLM 生成路径约束、局部向量检索候选节点、Yen shortest paths 构造候选路径,再用 LLM 判断路径是否 partial / complete。

阅读论文卡片 ↗
2026PDF 级
S-Path-RAG: Semantic-Aware Shortest-Path Retrieval Augmented Generation for Multi-Hop Knowledge Graph Question Answering

S-Path-RAG 将多跳 KGQA 的检索对象从序列化文本路径转为带语义权重的候选路径集合:用可微 scorer 和 verifier 选择路径,把压缩后的 path latent 通过 cross-attention 注入冻结 LLM,并让 LLM 的诊断消息触发下一轮图编辑。

阅读论文卡片 ↗
2024PDF 级
HippoRAG: Neurobiologically Inspired Long-Term Memory for Large Language Models

HippoRAG 把文档级长期记忆建模为一个由 OpenIE 三元组、同义边和 passage 关联组成的“海马索引”,用 Personalized PageRank 一次传播完成多跳证据检索。

阅读论文卡片 ↗
2026PDF 级
LogicPoison - Logical Attacks on GraphRAG

LogicPoison 用“同类型实体循环置换”重写语料,使 GraphRAG 构建出的图拓扑被隐式污染,从而破坏多跳推理链,而不改变查询和 ground truth。

阅读论文卡片 ↗
2026PDF 级
GraphRAGProv: GraphRAG Meets How-Provenance

将查询结果的 how-provenance 多项式与源文本 occurrence 连接起来,检查“图上的答案如何由哪些原文陈述组合得到”。

阅读论文卡片 ↗
2026PDF 级
NaviRAG - Active Knowledge Navigation for RAG

NaviRAG 把证据获取从 passive segment retrieval 改写成 active knowledge navigation:先把文档组织成可导航的 hierarchical Knowledge Tree,再让 LLM agent 在 query-time 先定位语义子树、再自顶向下逐步展开证据。

阅读论文卡片 ↗
年份待核验摘要级
Graph-based RAG 研究脉络阅读报告

主要会议**: ICLR, NeurIPS, ACL, ICML, EMNLP, AAAI

阅读论文卡片 ↗
年份待核验摘要级
ReinPool: Reinforcement Learning Pooling Multi-Vector Embeddings for Retrieval System

ReinPool 不是重新训练一个更强的多向量检索模型,而是站在现有 multi-vector 表示之上,学习“哪些 token/patch 向量值得保留”,再把它们池化成单向量,从而在大幅压缩索引成本的同时尽量保住检索效果。

阅读论文卡片 ↗
2026PDF 级
Rethinking Agentic RAG - LLM-Driven Logical Retrieval Beyond Embeddings

LogicalRAG 让 LLM 用 Boolean logic、phrase matching、field targeting 和 matching granularity 表达检索意图,再用倒排索引忠实执行候选过滤,用 BM25 只负责候选集内排序。

阅读论文卡片 ↗
2026PDF 级
GraphSteal - Structural Knowledge Stealing from GraphRAG

GraphSteal 把 GraphRAG 视为结构化 oracle,通过黑盒多轮查询,把 LLM 输出中的实体和关系解析回图,并用 BFS/DFS 式 traversal reconstruction 恢复隐藏 KG。

阅读论文卡片 ↗
2026PDF 级
Core-based Hierarchies for Efficient GraphRAG

论文把 Microsoft GraphRAG 的 Leiden 社区层次替换为确定性的 k-core 层次,并用小社区合并和 round-robin token 预算控制,目标是在 global sensemaking 中减少层次构建和摘要成本。

阅读论文卡片 ↗
2026PDF 级
GraphRAG-R1 - Process-Constrained Reinforcement Learning for GraphRAG

GraphRAG-R1 用支持 rollout-with-thinking 的 GRPO 训练 GraphRAG agent,并通过 PRA 奖励鼓励必要检索、CAF 奖励惩罚无效过度检索,再用三阶段训练避免格式、检索行为和答案质量目标互相冲突。

阅读论文卡片 ↗
2026PDF 级
XGRAG - Graph-Native Framework for Explaining KG-based RAG

XGRAG 把扰动解释从文本 token / sentence 提升到图节点和边,通过“扰动图组件 -> 重新生成答案 -> 比较语义变化”来估计每个 graph component 对答案的因果贡献。

阅读论文卡片 ↗
2024PDF 级
From Local to Global: A Graph RAG Approach to Query-Focused Summarization

Microsoft GraphRAG 的源头论文:以实体—关系图、层级社区和社区摘要替代单纯的局部向量检索,使系统能回答面向整个语料库的 global sensemaking 问题。

阅读论文卡片 ↗
2026PDF 级
HyperGraphPro - Progress-Aware Hypergraph RAG

HyperGraphPro 用结构引导的 hyperedge re-score 改善检索,再用 step progress reward 和 structure progress reward 调制 GRPO advantage,让 agent 在训练中获得“这一步是否让推理更接近答案、是否沿图结构连续前进”的稠密反馈。

阅读论文卡片 ↗
年份待核验摘要级
On the Theoretical Limitations of Embedding-Based Retrieval

On the Theoretical Limitations of Embedding-Based Retrieval

阅读论文卡片 ↗
2026PDF 级
CacheRAG - Semantic Caching for KGQA

CacheRAG 把 KGQA planner 从 stateless prompt 变成带语义计划缓存的 continual learner,用 ISR 解耦用户语言和物理 schema,用 Domain -> Aspect + MMR 取多样历史计划,再用有界图算子补全不足证据。

阅读论文卡片 ↗
2024PDF 级
RAPTOR: Recursive Abstractive Processing for Tree-Organized Retrieval

RAPTOR 不把检索限制在原始短 chunk,而是递归地对嵌入后的文本块聚类、摘要和再聚类,建立从细节到主题的树,在查询时同时检索不同抽象层级。

阅读论文卡片 ↗
2026PDF 级
IA-RAG - Interval-Algebra Temporal Reasoning for Dynamic Knowledge Retrieval

IA-RAG 把事实抽成带闭区间的 Interval Event Unit,并用 Allen’s Interval Algebra 构建层次 Thematic Forest,再按 query 的时间窗口做方向性 interval traversal,从而把时间推理从生成阶段前移到检索阶段。

阅读论文卡片 ↗
2026PDF 级
CS-RAG - Robust GraphRAG over Imperfect KGs

CS-RAG 不试图先把 KG 修到完美,而是在检索时把问题拆成可执行原子约束,并用 Neff 判断每一跳的结构候选是否足够集中;集中则传播变量,不集中则转入文本恢复。

阅读论文卡片 ↗
2025PDF 级
FRAG: A Flexible Modular Framework for Retrieval-Augmented Generation based on Knowledge Graphs

FRAG 关注的是 KG-RAG 里一个很现实的矛盾: 模块化方法够灵活但检索质量不够,耦合方法检索更强但失去灵活性。它通过“先判断 query 复杂度,再切换检索流水线”的方式,试图同时保住灵活性和检索质量。

阅读论文卡片 ↗
2026PDF 级
ChatP&ID - GraphRAG for Engineering Diagrams

ChatP&ID 把 P&ID 从视觉图像转换为 DEXPI 驱动的 flowsheet knowledge graph,再让 LLM agent 按 query 类型选择 ContextRAG、VectorRAG、PathRAG 或 CypherRAG,从而在精确性、成本和可解释工具轨迹之间折中。

阅读论文卡片 ↗
2026PDF 级
CrossAug - Cross-Chunk Graph Augmentation for GraphRAG

先用 GNN 识别可能缺失跨 chunk 关系的高价值子图,再只对这些区域调用 LLM 做 evidence-grounded completion。

阅读论文卡片 ↗
年份待核验摘要级
Medical Graph RAG: Towards Safe Medical Large Language Model via Graph Retrieval-Augmented Generation

Medical Graph RAG 可以看成 GraphRAG 在医学领域的一次“安全化改造”: 它不仅要回答得对,还要让回答可追溯到可信医学来源,并能同时给出专业术语定义与证据出处。

阅读论文卡片 ↗
2025PDF 级
LEGO-GraphRAG: Modularizing Graph-based Retrieval-Augmented Generation for Design Space Exploration

LEGO-GraphRAG 不是再提一个单独的 GraphRAG 算法,而是把 GraphRAG 拆成可组合的模块、方法类型和语义模型,做成一个 设计空间框架 + 实验测试床,系统分析质量、效率和成本之间的权衡。

阅读论文卡片 ↗
2026摘要级
CogitoRAG - Cognitive Gist-Driven RAG Framework

CogitoRAG: Cognitive Gist-Driven RAG Framework

阅读论文卡片 ↗
2025摘要级
Graph Retrieval-Augmented Generation: A Survey

以 Graph-Based Indexing、Graph-Guided Retrieval、Graph-Enhanced Generation 三阶段组织 GraphRAG 方法、训练、下游任务和评测,是现有知识库的综述入口。

阅读论文卡片 ↗
年份待核验摘要级
CFT-RAG: An Entity Tree Based Retrieval Augmented Generation Algorithm With Cuckoo Filter

CFT-RAG 关注的不是“怎样让 Tree-RAG 更会推理”,而是“怎样让 Tree-RAG 在大规模实体树上查得足够快”。它把改进版 Cuckoo Filter 直接嵌入实体树检索流程,用 fingerprint + block linked list + temperature sorting 把实体定位从树遍历变成近似 O(1) 的桶查找。

阅读论文卡片 ↗
2026PDF 级
MemGraphRAG - Memory-based Multi-Agent GraphRAG

MemGraphRAG 把图构建改成由三层 Global Memory 支撑的多智能体协作过程,让抽取结果先进入共享记忆,再经过 schema 稳定、冲突裁决和跨层投影,最终形成可检索的层次图。

阅读论文卡片 ↗
年份待核验摘要级
GRAG: Graph Retrieval-Augmented Generation

GRAG 关注的是 textual graphs,不是传统知识图谱。它把 RAG 从“检索独立文档”推进到“检索文本子图”,再同时把文本视图和图视图送入 LLM,让模型既看到内容,也看到拓扑关系。

阅读论文卡片 ↗
年份待核验摘要级
RIGHT ANSWER AT THE RIGHT TIME: Temporal Retrieval-Augmented Generation via Graph Summarization

STAR-RAG 的核心不是“把时间戳加到普通 GraphRAG 里”,而是把 temporal KG 先压缩成一个时间对齐的规则图,再用带种子的 Personalized PageRank 只沿着“语义相关且时间上合理”的局部邻域扩散,从而同时提高正确率和降低 token 开销。

阅读论文卡片 ↗
2026PDF 级
LLM-Wiki - Retrieval as Reasoning via Self-Evolving Agent-Native Retrieval

LLM-Wiki 把外部语料编译成可读、可搜索、可沿双向链接遍历、可通过 Error Book 自修复的 Wiki,让 retrieval 从隐藏 ranking step 变成 agent 的显式推理过程。

阅读论文卡片 ↗
年份待核验摘要级
研究报告:从节点相关性到可验证证据集合

Provenance-conditioned Proof-State Retrieval:让实体状态、关系路径和文档来源在同一个查询条件化的“证明状态”中联合演化,而不是先算实体分数、再独立聚合文档。

阅读论文卡片 ↗
2026PDF 级
Subgraph Reconstruction Attacks on Graph RAG Deployments

本文把 GraphRAG 结构泄露形式化为 targeted one-hop subgraph reconstruction,并证明在 safe prompt 已启用的部署中,攻击与防御的关键不只是“能否拒绝敏感请求”,而是 relation table 的实例边界、字段归属和多轮新关系收益。

阅读论文卡片 ↗
2026PDF 级
ArcRAG: Agentic Compositional Retrieval over Knowledge Graphs

把“检索器必须配合自己的构图方式”作为可检验假设,尝试在查询时诱导局部图接口,并以构图无关的方式规划和修复多跳 Cypher 检索。

阅读论文卡片 ↗
2025摘要级
Towards Practical GraphRAG - Efficient KG Construction and Hybrid Retrieval at Scale

Towards Practical GraphRAG: Efficient Knowledge Graph Construction and Hybrid Retrieval at Scale

阅读论文卡片 ↗
2026PDF 级
LiteSemRAG - Lightweight LLM-Free Semantic-Aware Graph Retrieval

LiteSemRAG 用 token-level contextual embeddings 构建 document / chunk / semantic / token 四层异构语义图,并通过 co-occurrence graph semantic retrieval + isolated semantic recovery 实现完全无 LLM 的语义感知图检索。

阅读论文卡片 ↗
2026PDF 级
Do We Still Need GraphRAG - Agentic Search Benchmark

提出 RAGSearch,把 dense RAG 和多类 GraphRAG 都作为 agentic search 的 interchangeable retrieval backend,在统一 agent 控制协议下比较显式图结构与隐式交互结构的价值。

阅读论文卡片 ↗
主线 04 · 相关证据怎样组成充分集合

多篇各自相关的文档,为何合起来仍无法完整支持回答?

先看问题怎样推进,再点开任一步。

问题推进 · 01 / 04

候选相关不等于答案所需

遇到了什么瓶颈

高相似候选可能重复问题实体,缺少低相似但必要的桥接证据。

方法如何回应

关注路径、锚点覆盖、文档互补性和 bridge ranking。

又留下什么问题

桥接证据进入候选池后,是否能排入受限上下文?

代表研究

论文卡片与专题笔记,点击查看证据边界
2026PDF 级
BubbleRAG - Evidence-Driven RAG for Black-Box KGs

把 GraphRAG 检索形式化为 Optimal Informative Subgraph Retrieval,并用 semantic anchor grouping、bubble expansion、CEG ranking 和 reasoning-aware expansion 近似求解。

阅读论文卡片 ↗
专题笔记
BDTR 桥接证据重排

关联研究笔记,具体论文主张请回到一手来源。

打开专题 ↗
问题推进 · 02 / 04

节点/路径目标与文档目标分离

遇到了什么瓶颈

结构上存在一条路径,不代表每个必要事实都有来源文档,或文档顺序合适。

方法如何回应

比较目标约束路径检索、路径排序与文档层排序。

又留下什么问题

路径完整、文档覆盖和回答充分性之间是什么关系?

代表研究

论文卡片与专题笔记,点击查看证据边界
2026PDF 级
DOTRAG - Retrieval-Time Reasoning Along Paths

DOTRAG 把 GraphRAG 检索改写为 goal-constrained path-finding,在每个 query-specific DOT 工作区内用 LLM 生成路径约束、局部向量检索候选节点、Yen shortest paths 构造候选路径,再用 LLM 判断路径是否 partial / complete。

阅读论文卡片 ↗
2026PDF 级
STAR - Semantic-Tuned and Tail-Adaptive Retriever for GraphRAG

STAR 用 single-tower cross-attention 让 query 和 path 做 token-level interaction,并用 hard path mining + path-weighted contrastive loss 强化难负例和长尾路径,从而同时缓解 Semantic Shortcut Bias 和 Long-Tail Path Bias。

阅读论文卡片 ↗
问题推进 · 03 / 04

支持集合存在冗余与缺项

遇到了什么瓶颈

单条分数不表达加入某文档后新增了多少支持、桥接信息或矛盾证据。

方法如何回应

以连通子图、集合覆盖、多锚点与冗余控制组织最终证据。

又留下什么问题

“最小”“充分”“互补”如何定义并在不同任务中测量?

代表研究

论文卡片与专题笔记,点击查看证据边界
2026PDF 级
FastInsight - Fast and Insightful Retrieval via Fusion Operators for Graph RAG

FastInsight 把 GraphRAG 检索分解为基础算子和融合算子,用 GRanker 在 reranking 中融合拓扑邻域,用 STeX 在图扩展中融合语义相似度,从而在不依赖多轮 LLM 推理的情况下实现快速 Insightful Retrieval。

阅读论文卡片 ↗
专题笔记
集合级证据充分性研究

关联研究笔记,具体论文主张请回到一手来源。

打开专题 ↗
问题推进 · 04 / 04

不完美图上的集合编辑

遇到了什么瓶颈

缺边、错边和冲突边可能让看似连通的证据结构不可靠。

方法如何回应

研究检索时恢复原文、拒绝低可信传播,以及扩展与编辑证据图。

又留下什么问题

编辑依据和证据来源是否可审计?何时应弃图回到文本?

代表研究

论文卡片与专题笔记,点击查看证据边界
2026PDF 级
CS-RAG - Robust GraphRAG over Imperfect KGs

CS-RAG 不试图先把 KG 修到完美,而是在检索时把问题拆成可执行原子约束,并用 Neff 判断每一跳的结构候选是否足够集中;集中则传播变量,不集中则转入文本恢复。

阅读论文卡片 ↗
专题笔记
CONSIST 充分证据图路线

关联研究笔记,具体论文主张请回到一手来源。

打开专题 ↗
放回同一个跨文档问答案例

三篇电影介绍不能互相替代导演履历和出生地资料;有价值的下一篇文档取决于已覆盖哪些推理环节,而不只是它和原问题有多相似。

判别实验 · 本库提出

控制候选池与 top-k,对相关性排序、路径排序、覆盖/互补排序做对照;分别移除桥接文档、打乱来源、加入重复/矛盾证据,测完整 support-set recall、冗余率与 QA。

与其他主线的连接

集合级目标为动态状态和学习奖励提供更贴近文档问答的终点,也给“图是否有帮助”提供比答案分数更具体的机制指标。

继续拓展 · 83 篇自动关联论文

依据 Q1—Q10 标签或 narrative_threads 归入;关联不等于该论文已人工定位到本主线的某个阶段。

2026PDF 级
GraphRAG-Router - Cost-Efficient Routing over GraphRAGs and LLMs

GraphRAG-Router 把检索后端选择和生成 LLM 选择拆成层次化动作,并用 SFT + 两阶段 RL 学习何时使用哪种 GraphRAG-LLM 组合。

阅读论文卡片 ↗
2025PDF 级
GraphRAG-Bench: Challenging Domain-Specific Reasoning for Evaluating Graph Retrieval-Augmented Generation

用大学教材和领域化问题测试 GraphRAG 的构图、检索、生成及推理过程,补足传统 QA 基准过于简单、指标单一的问题。

阅读论文卡片 ↗
年份待核验摘要级
Rethinking Chunk Size for Long-Document Retrieval: A Multi-Dataset Analysis

这篇论文真正重要的结论不是“块越大越好”或“块越小越好”,而是:chunk size 是数据集结构、答案局部性、文档长度、embedding 模型偏好共同决定的检索超参数,没有可跨场景复用的统一最优值。

阅读论文卡片 ↗
年份待核验摘要级
GeAR: Graph-enhanced Agent for Retrieval-augmented Generation

GeAR 试图把任何普通 retriever 升级成 graph-enhanced multi-hop retriever,再用一个带 gist memory 的 agent 循环逐步改写 query、扩展证据并完成多跳检索。

阅读论文卡片 ↗
2025PDF 级
HopRAG - Multi-Hop Reasoning for Logic-Aware Retrieval-Augmented Generation

HopRAG: Multi-Hop Reasoning for Logic-Aware Retrieval-Augmented Generation

阅读论文卡片 ↗
年份待核验摘要级
MED-COPILOT: A Medical Assistant Powered by GraphRAG and Similar Patient Case Retrieval

MED-COPILOT 的核心不是只把临床指南做成 GraphRAG,而是把 guideline-grounded GraphRAG 和 similar-patient retrieval 放到同一套医疗推理流程里:前者提供规范性证据,后者提供类病例类比证据。

阅读论文卡片 ↗
2026PDF 级
Reliable Graph-RAG for Codebases - AST vs LLM Knowledge Graphs

把代码库 GraphRAG 的图构建从 LLM 抽取 KG 改成确定性 AST 派生图,用 Tree-sitter 构建窄 schema、可覆盖、可复现的代码结构图,再在 query-time 做双向邻域扩展和 interface-consumer expansion。

阅读论文卡片 ↗
2026PDF 级
OMD-GraphRAG: Enhancing GraphRAG with Ontology-Guided Extraction, Multi-Dimensional Clustering and Dual-Channel Fusion

OMD-GraphRAG 在开源 GraphRAG/LightRAG 风格流程上,联合改变三个控制点:用本体约束知识抽取,用多维社区策略保留跨边界语义,再融合细粒度三元组检索和粗粒度社区报告检索。

阅读论文卡片 ↗
2026PDF 级
TechGraphRAG - Agentic Graph-Augmented RAG Framework

把技术文献推理组织成多步骤 agentic pipeline,并用 evidence sufficiency rubric 驱动外部搜索、KG 遍历和再生成。

阅读论文卡片 ↗
年份待核验摘要级
From Matching to Generation: A Survey on Generative Information Retrieval

这篇综述把信息检索从“对查询和文档做匹配并排序”的传统范式,扩展为“由生成模型直接产生检索对象或响应”的 GenIR 范式,并系统梳理了生成式检索与可靠响应生成两条主线。

阅读论文卡片 ↗
2026摘要级
Graph-Augmented Reasoning with KG Retrieval

标题: Graph-Augmented Reasoning: Evolving Step-by-Step Knowledge Graph Retrieval for LLM Reasoning

阅读论文卡片 ↗
年份待核验摘要级
Beyond Chunks and Graphs: Retrieval-Augmented Generation through Triplet-Driven Thinking

T²RAG 的核心思想是:既然 multi-round RAG 太贵、GraphRAG 建图太重,那就把知识与推理状态都降到 triplet / proposition 粒度,让 LLM 围绕“带占位符的 searchable triplets”逐轮补全信息,而不是围绕长 chunk 或显式图遍历展开。

阅读论文卡片 ↗
年份待核验摘要级
关于嵌入式检索的理论局限性

原标题**: On the Theoretical Limitations of Embedding-Based Retrieval

阅读论文卡片 ↗
2024PDF 级
StructRAG: Boosting Knowledge Intensive Reasoning of LLMs via Inference-time Hybrid Information Structurization

StructRAG 的关键想法不是“统一用图”,而是在推理时先判断当前任务更适合什么结构,再把分散在长文档里的知识重组为表格、图、算法、目录或普通 chunk,并在这个结构上完成推理。

阅读论文卡片 ↗
2024PDF 级
Think-on-Graph: Deep and Responsible Reasoning of Large Language Model on Knowledge Graph

ToG 把 LLM 从“被动读取检索结果的回答器”变成“主动在 KG 上做 beam search 的 agent”,让模型边探索关系路径、边判断何时停止,再基于路径证据回答问题。

阅读论文卡片 ↗
2024PDF 级
G-Retriever: Retrieval-Augmented Generation for Textual Graph Understanding and Question Answering

G-Retriever 处理的不是普通文档库,而是带文本属性的图。它把“从图里找什么证据给 LLM”建模成连通子图检索问题,并用 Prize-Collecting Steiner Tree (PCST) 抽出最相关子图,再交给 GNN+LLM 回答问题。

阅读论文卡片 ↗
年份待核验摘要级
How Does Generative Retrieval Scale to Millions of Passages?

这篇论文检验生成式检索能否从约十万规模语料真正扩展到百万级:它在小语料上可与强双编码器竞争,但把整个语料“记入参数”后,百万级扩展仍是未解问题,不能仅靠放大模型或堆叠已有结构改造解决。

阅读论文卡片 ↗
2026PDF 级
WildGraphBench: Benchmarking GraphRAG with Wild-Source Corpora

用 Wikipedia 文章及其外部引用构造长、异质、带来源关系的语料,检验 GraphRAG 在更接近开放环境的证据聚合任务上的表现。

阅读论文卡片 ↗
2026PDF 级
PersonalAI 2.0 - Planning Graph Traversal for Personalized LLM Agents

PAI-2 把 GraphRAG 检索改造成“计划驱动的多轮图遍历”:每个 search step 先映射到图顶点,再生成多个 clue-query 控制 BeamSearch / WaterCircles 遍历,并用证据充分性判断是否增强后续计划。

阅读论文卡片 ↗
年份待核验摘要级
Biomedical Knowledge Graph-Optimized Prompt Generation for Large Language Models

这篇论文虽然官方标题没有直接写 KG-RAG,但提出的核心框架就是一个面向生物医学的 KG-RAG:从巨大的 SPOKE 知识图中抽取“对当前 prompt 真正有用的最小上下文”,再交给 LLM,以更少 token 获得更可靠的医学回答。

阅读论文卡片 ↗
2025PDF 级
LINEAR RAG: Linear Graph Retrieval Augmented Generation on Large-Scale Corpora

LinearRAG 的核心主张非常明确:GraphRAG 不必先抽 relation 才能做多跳检索。作者直接放弃关系抽取,构建一个只包含实体、句子、段落三层节点的 relation-free Tri-Graph,再通过“局部语义桥接 + 全局重要性聚合”完成单次检索下的多跳证据召回。

阅读论文卡片 ↗
年份待核验摘要级
REANO: Optimising Retrieval-Augmented Reader Models through Knowledge Graph Generation

REANO 不是做“整个语料库上的 GraphRAG”,而是在 retriever 之后、reader 之前,从已检索到的 passages 里动态生成一个局部知识图,用它增强 FiD 这类 reader 的多跳理解能力。

阅读论文卡片 ↗
2026PDF 级
GraphRAG on Consumer Hardware - Local LLMs for Healthcare EHR Schema Retrieval

论文把 Microsoft GraphRAG 跑到单张 8GB VRAM 消费级 GPU 上,系统评估本地 LLM 在 EHR schema 检索中的索引、延迟、质量、幻觉和失败模式。

阅读论文卡片 ↗
年份待核验摘要级
Dynamic Chunking and Selection for Reading Comprehension of Ultra-Long Context in Large Language Models

这篇论文的核心不是“把 chunk 切得更灵活”这么简单,而是把 语义边界检测 和 问题感知选块 串成一个完整流程:先用句间语义差异找到更自然的切分点,再只保留对当前问题真正有帮助的 chunks,从而让基础 LLM 在超长阅读理解里更稳定地命中答案证据。

阅读论文卡片 ↗
2026PDF 级
TopoGraphRAG-Bench: Evaluating Multimodal GraphRAG on Layout-Grounded Evidence Reasoning

把多模态文档中的文字、表格、图像、标题和版面关系作为证据拓扑来评测,检验系统是否真的恢复了跨单元依赖,而不是只找到相关页面。

阅读论文卡片 ↗
2026PDF 级
TCAR-Gen - Temporal Graph Retrieval with Evidence Fusion

TCAR-Gen 用 query-conditioned context graph 缩小搜索空间,再用 temporal GNN attention、semantic-graph-time hybrid retrieval 和 Chain-of-Trees path fusion,让检索、推理和时间一致性约束共享同一张证据图。

阅读论文卡片 ↗
2025PDF 级
E2GraphRAG: Streamlining Graph-based RAG for High Efficiency and Effectiveness

这篇论文的目标不是重新发明 GraphRAG,而是把它工程化、轻量化、可落地化:用 Summary Tree + Entity Graph + 双向索引 保留全局摘要和局部实体结构的优势,再用自适应路由自动决定走 local 还是 global retrieval,从而把 GraphRAG 的成本压下来。

阅读论文卡片 ↗
2026PDF 级
Lightfoot: Graph Retrieval-Augmented Generation with Exact, Model-Free Document Deletion

把 GraphRAG 的索引维护纳入研究对象:用 passage 级 provenance 让实体、事实和边可精确追溯,并支持无需模型调用的文档删除。

阅读论文卡片 ↗
2026PDF 级
PRoH - Dynamic Planning over Knowledge Hypergraphs

PRoH 用局部 KH sketch 生成初始 reasoning DAG,再在状态空间中迭代求解和重写 DAG,并用 Entity-Weighted Overlap 选择超图中的下一跳 reasoning path。

阅读论文卡片 ↗
2026PDF 级
SEM-RAG - Structure-Preserving Multimodal Graph Compilation

SEM-RAG 把电信标准先编译成可执行图原语,包括层级文本、条件表格子图和公式算子图,再用结构熵最小化构建层级索引,避免递归 LLM 聚类,并通过 JSD 对齐和轻量路由把自然语言问题映射到合适子图。

阅读论文卡片 ↗
2025PDF 级
KG-R1 - Efficient and Transferable Agentic KG-RAG

KG-R1 用一个 LLM agent 替代多模块 KG-RAG workflow,让 agent 通过 schema-agnostic 1-hop KG server 多轮查询,并用 turn reward、retrieval coverage 和 turn-level group-relative advantage 训练可迁移的 KG 交互策略。

阅读论文卡片 ↗
2026PDF 级
Graph-R1 - Agentic GraphRAG via End-to-end Reinforcement Learning

Graph-R1 把 GraphRAG 形式化为 agent 在 knowledge hypergraph 环境中的多轮 think -> query -> retrieve -> rethink -> answer 轨迹,并用 GRPO 的端到端奖励训练检索与回答策略。

阅读论文卡片 ↗
2025PDF 级
LightRAG: Simple and Fast Retrieval-Augmented Generation

LightRAG 用轻量实体—关系图和向量表示组织文本索引,按 local/global 两个层级生成查询关键词并扩展邻域,以较低在线 token 成本兼顾具体事实和全局主题。

阅读论文卡片 ↗
2026摘要级
Graph-Based Approaches and Functionalities in Retrieval-Augmented Generation: A Comprehensive Survey

不把图的作用限制为知识图谱遍历,而是按数据库构建、检索算法、提示、流水线控制和任务功能分析图结构在 RAG 中承担的不同角色。

阅读论文卡片 ↗
2025PDF 级
MMGraphRAG - Interpretable Multimodal Knowledge Graphs

MMGraphRAG 把图片解析成 scene graph,再用 SpecLink 在视觉实体和文本实体之间生成高质量候选对齐,最终构建 node-based MMKG,让检索可以沿跨模态图路径取证据,而不是只用 caption 或 shared embedding。

阅读论文卡片 ↗
年份待核验摘要级
GRIL: Knowledge Graph Retrieval-Integrated Learning with Large Language Models

GRIL 的关键不是“再做一个图检索器”,而是把 graph retriever 与 LLM reasoner 做成可交互、端到端联合优化 的系统,让检索目标从“相关”变成“对最终推理有用”。

阅读论文卡片 ↗
年份待核验摘要级
Generative Dense Retrieval: Memory Can Be a Burden

GDR 不让生成式模型强行记住并唯一定位每篇文档,而是只生成相关文档簇;随后用无需参数记忆的稠密检索在簇内完成细粒度文档匹配,从而兼得生成式深度交互与稠密检索的可扩展性。

阅读论文卡片 ↗
2026PDF 级
Reasoning Bottleneck in Graph-RAG - Structured Prompting and Context Compression

这篇论文证明 GraphRAG 的瓶颈可以从“检索不到证据”转移到“证据已在上下文但模型不会用”,并用 SPARQL CoT、graph-walk compression 和 question-type routing 三个推理时增强模块缓解后检索推理失败。

阅读论文卡片 ↗
2025PDF 级
Query-Centric Graph Retrieval Augmented Generation

QCG-RAG 的核心思想是:GraphRAG 不一定非要围绕“实体”建图,也不必退回“文档”建图;可以围绕 由 chunk 生成出的 query / query-answer 意图节点 建图,用“检索意图粒度”在表达力和成本之间取中间解。

阅读论文卡片 ↗
年份待核验摘要级
Generative Retrieval Overcomes Limitations of Dense Retrieval but Struggles with Identifier Ambiguity

生成式检索能够绕开单向量稠密检索在复杂相关性组合上的表示瓶颈,但它把检索问题转化为“生成正确文档标识符”的解码问题;当相关文档之间的标识符不再可唯一预测时,这个新瓶颈会迅速显现。

阅读论文卡片 ↗
年份待核验摘要级
RECON: Multimodal GraphRAG for Visually Rich Documents with Intra-Page Reflection and Inter-Page Connection

RECON 试图解决一个 text-only GraphRAG 没真正碰到的问题:面对 slides、图文报告、绘本这类 visually rich documents,单页检索远远不够,必须把页内多模态关系和跨页长程联系一起组织成 multimodal knowledge graph。

阅读论文卡片 ↗
2026摘要级
Enhancing Automated Short Answer Grading with GraphRAG

Enhancing Automated Short Answer Grading with GraphRAG

阅读论文卡片 ↗
2025PDF 级
Inference Scaled GraphRAG: Improving Multi Hop Question Answering on Knowledge Graphs

论文研究 GraphRAG 的推理时预算:在固定图接口和 Llama3.1-8B-Instruct 主设置下,同时增加单条轨迹的 reasoning-action 步数,并对多条采样轨迹做 majority voting,以改善多跳图问答。

阅读论文卡片 ↗
2026PDF 级
A2RAG - Adaptive Agentic Graph Retrieval

A2RAG 把 GraphRAG 检索改造成“先轻量、再桥接、最后全局扩散”的渐进式 agent,并用 answer-level Triple-Check 决定是否重写和重试。

阅读论文卡片 ↗
2026摘要级
Towards Robust RAG Based on Knowledge Graph - A Comparative Analysis

Towards Robust Retrieval-Augmented Generation Based on Knowledge Graph

阅读论文卡片 ↗
2026PDF 级
MOSAIC: Query-Aware Exploration Policy Adaptation for GraphRAG

将 GraphRAG 检索写成逐查询控制问题,让分析器根据问题需要决定 seed、遍历、停止和证据选择,而不是所有问题共用窄/中/宽搜索策略。

阅读论文卡片 ↗
2026PDF 级
S-Path-RAG: Semantic-Aware Shortest-Path Retrieval Augmented Generation for Multi-Hop Knowledge Graph Question Answering

S-Path-RAG 将多跳 KGQA 的检索对象从序列化文本路径转为带语义权重的候选路径集合:用可微 scorer 和 verifier 选择路径,把压缩后的 path latent 通过 cross-attention 注入冻结 LLM,并让 LLM 的诊断消息触发下一轮图编辑。

阅读论文卡片 ↗
2024PDF 级
HippoRAG: Neurobiologically Inspired Long-Term Memory for Large Language Models

HippoRAG 把文档级长期记忆建模为一个由 OpenIE 三元组、同义边和 passage 关联组成的“海马索引”,用 Personalized PageRank 一次传播完成多跳证据检索。

阅读论文卡片 ↗
2026PDF 级
LogicPoison - Logical Attacks on GraphRAG

LogicPoison 用“同类型实体循环置换”重写语料,使 GraphRAG 构建出的图拓扑被隐式污染,从而破坏多跳推理链,而不改变查询和 ground truth。

阅读论文卡片 ↗
2026PDF 级
GraphRAGProv: GraphRAG Meets How-Provenance

将查询结果的 how-provenance 多项式与源文本 occurrence 连接起来,检查“图上的答案如何由哪些原文陈述组合得到”。

阅读论文卡片 ↗
2026PDF 级
NaviRAG - Active Knowledge Navigation for RAG

NaviRAG 把证据获取从 passive segment retrieval 改写成 active knowledge navigation:先把文档组织成可导航的 hierarchical Knowledge Tree,再让 LLM agent 在 query-time 先定位语义子树、再自顶向下逐步展开证据。

阅读论文卡片 ↗
年份待核验摘要级
Graph-based RAG 研究脉络阅读报告

主要会议**: ICLR, NeurIPS, ACL, ICML, EMNLP, AAAI

阅读论文卡片 ↗
年份待核验摘要级
ReinPool: Reinforcement Learning Pooling Multi-Vector Embeddings for Retrieval System

ReinPool 不是重新训练一个更强的多向量检索模型,而是站在现有 multi-vector 表示之上,学习“哪些 token/patch 向量值得保留”,再把它们池化成单向量,从而在大幅压缩索引成本的同时尽量保住检索效果。

阅读论文卡片 ↗
2026PDF 级
Rethinking Agentic RAG - LLM-Driven Logical Retrieval Beyond Embeddings

LogicalRAG 让 LLM 用 Boolean logic、phrase matching、field targeting 和 matching granularity 表达检索意图,再用倒排索引忠实执行候选过滤,用 BM25 只负责候选集内排序。

阅读论文卡片 ↗
2026PDF 级
GraphSteal - Structural Knowledge Stealing from GraphRAG

GraphSteal 把 GraphRAG 视为结构化 oracle,通过黑盒多轮查询,把 LLM 输出中的实体和关系解析回图,并用 BFS/DFS 式 traversal reconstruction 恢复隐藏 KG。

阅读论文卡片 ↗
2026PDF 级
Core-based Hierarchies for Efficient GraphRAG

论文把 Microsoft GraphRAG 的 Leiden 社区层次替换为确定性的 k-core 层次,并用小社区合并和 round-robin token 预算控制,目标是在 global sensemaking 中减少层次构建和摘要成本。

阅读论文卡片 ↗
2026PDF 级
GraphRAG-R1 - Process-Constrained Reinforcement Learning for GraphRAG

GraphRAG-R1 用支持 rollout-with-thinking 的 GRPO 训练 GraphRAG agent,并通过 PRA 奖励鼓励必要检索、CAF 奖励惩罚无效过度检索,再用三阶段训练避免格式、检索行为和答案质量目标互相冲突。

阅读论文卡片 ↗
2026PDF 级
XGRAG - Graph-Native Framework for Explaining KG-based RAG

XGRAG 把扰动解释从文本 token / sentence 提升到图节点和边,通过“扰动图组件 -> 重新生成答案 -> 比较语义变化”来估计每个 graph component 对答案的因果贡献。

阅读论文卡片 ↗
2024PDF 级
From Local to Global: A Graph RAG Approach to Query-Focused Summarization

Microsoft GraphRAG 的源头论文:以实体—关系图、层级社区和社区摘要替代单纯的局部向量检索,使系统能回答面向整个语料库的 global sensemaking 问题。

阅读论文卡片 ↗
2026PDF 级
HyperGraphPro - Progress-Aware Hypergraph RAG

HyperGraphPro 用结构引导的 hyperedge re-score 改善检索,再用 step progress reward 和 structure progress reward 调制 GRPO advantage,让 agent 在训练中获得“这一步是否让推理更接近答案、是否沿图结构连续前进”的稠密反馈。

阅读论文卡片 ↗
年份待核验摘要级
On the Theoretical Limitations of Embedding-Based Retrieval

On the Theoretical Limitations of Embedding-Based Retrieval

阅读论文卡片 ↗
2026PDF 级
CacheRAG - Semantic Caching for KGQA

CacheRAG 把 KGQA planner 从 stateless prompt 变成带语义计划缓存的 continual learner,用 ISR 解耦用户语言和物理 schema,用 Domain -> Aspect + MMR 取多样历史计划,再用有界图算子补全不足证据。

阅读论文卡片 ↗
2024PDF 级
RAPTOR: Recursive Abstractive Processing for Tree-Organized Retrieval

RAPTOR 不把检索限制在原始短 chunk,而是递归地对嵌入后的文本块聚类、摘要和再聚类,建立从细节到主题的树,在查询时同时检索不同抽象层级。

阅读论文卡片 ↗
2026PDF 级
IA-RAG - Interval-Algebra Temporal Reasoning for Dynamic Knowledge Retrieval

IA-RAG 把事实抽成带闭区间的 Interval Event Unit,并用 Allen’s Interval Algebra 构建层次 Thematic Forest,再按 query 的时间窗口做方向性 interval traversal,从而把时间推理从生成阶段前移到检索阶段。

阅读论文卡片 ↗
2025PDF 级
FRAG: A Flexible Modular Framework for Retrieval-Augmented Generation based on Knowledge Graphs

FRAG 关注的是 KG-RAG 里一个很现实的矛盾: 模块化方法够灵活但检索质量不够,耦合方法检索更强但失去灵活性。它通过“先判断 query 复杂度,再切换检索流水线”的方式,试图同时保住灵活性和检索质量。

阅读论文卡片 ↗
2026PDF 级
Ex-GraphRAG - Interpretable Evidence Routing for Graph-Augmented LLMs

Ex-GraphRAG 用 M-GNAN 替换 GraphRAG 的黑盒 GNN encoder,让 encoder 输出可以精确分解到节点和特征组,从而审计哪些实体真正影响了图条件表示。

阅读论文卡片 ↗
2026PDF 级
ChatP&ID - GraphRAG for Engineering Diagrams

ChatP&ID 把 P&ID 从视觉图像转换为 DEXPI 驱动的 flowsheet knowledge graph,再让 LLM agent 按 query 类型选择 ContextRAG、VectorRAG、PathRAG 或 CypherRAG,从而在精确性、成本和可解释工具轨迹之间折中。

阅读论文卡片 ↗
2026PDF 级
CrossAug - Cross-Chunk Graph Augmentation for GraphRAG

先用 GNN 识别可能缺失跨 chunk 关系的高价值子图,再只对这些区域调用 LLM 做 evidence-grounded completion。

阅读论文卡片 ↗
年份待核验摘要级
Medical Graph RAG: Towards Safe Medical Large Language Model via Graph Retrieval-Augmented Generation

Medical Graph RAG 可以看成 GraphRAG 在医学领域的一次“安全化改造”: 它不仅要回答得对,还要让回答可追溯到可信医学来源,并能同时给出专业术语定义与证据出处。

阅读论文卡片 ↗
2025PDF 级
LEGO-GraphRAG: Modularizing Graph-based Retrieval-Augmented Generation for Design Space Exploration

LEGO-GraphRAG 不是再提一个单独的 GraphRAG 算法,而是把 GraphRAG 拆成可组合的模块、方法类型和语义模型,做成一个 设计空间框架 + 实验测试床,系统分析质量、效率和成本之间的权衡。

阅读论文卡片 ↗
2026摘要级
CogitoRAG - Cognitive Gist-Driven RAG Framework

CogitoRAG: Cognitive Gist-Driven RAG Framework

阅读论文卡片 ↗
2025摘要级
Graph Retrieval-Augmented Generation: A Survey

以 Graph-Based Indexing、Graph-Guided Retrieval、Graph-Enhanced Generation 三阶段组织 GraphRAG 方法、训练、下游任务和评测,是现有知识库的综述入口。

阅读论文卡片 ↗
年份待核验摘要级
CFT-RAG: An Entity Tree Based Retrieval Augmented Generation Algorithm With Cuckoo Filter

CFT-RAG 关注的不是“怎样让 Tree-RAG 更会推理”,而是“怎样让 Tree-RAG 在大规模实体树上查得足够快”。它把改进版 Cuckoo Filter 直接嵌入实体树检索流程,用 fingerprint + block linked list + temperature sorting 把实体定位从树遍历变成近似 O(1) 的桶查找。

阅读论文卡片 ↗
2026PDF 级
MemGraphRAG - Memory-based Multi-Agent GraphRAG

MemGraphRAG 把图构建改成由三层 Global Memory 支撑的多智能体协作过程,让抽取结果先进入共享记忆,再经过 schema 稳定、冲突裁决和跨层投影,最终形成可检索的层次图。

阅读论文卡片 ↗
年份待核验摘要级
GRAG: Graph Retrieval-Augmented Generation

GRAG 关注的是 textual graphs,不是传统知识图谱。它把 RAG 从“检索独立文档”推进到“检索文本子图”,再同时把文本视图和图视图送入 LLM,让模型既看到内容,也看到拓扑关系。

阅读论文卡片 ↗
年份待核验摘要级
RIGHT ANSWER AT THE RIGHT TIME: Temporal Retrieval-Augmented Generation via Graph Summarization

STAR-RAG 的核心不是“把时间戳加到普通 GraphRAG 里”,而是把 temporal KG 先压缩成一个时间对齐的规则图,再用带种子的 Personalized PageRank 只沿着“语义相关且时间上合理”的局部邻域扩散,从而同时提高正确率和降低 token 开销。

阅读论文卡片 ↗
2026PDF 级
LLM-Wiki - Retrieval as Reasoning via Self-Evolving Agent-Native Retrieval

LLM-Wiki 把外部语料编译成可读、可搜索、可沿双向链接遍历、可通过 Error Book 自修复的 Wiki,让 retrieval 从隐藏 ranking step 变成 agent 的显式推理过程。

阅读论文卡片 ↗
年份待核验摘要级
研究报告:从节点相关性到可验证证据集合

Provenance-conditioned Proof-State Retrieval:让实体状态、关系路径和文档来源在同一个查询条件化的“证明状态”中联合演化,而不是先算实体分数、再独立聚合文档。

阅读论文卡片 ↗
2026PDF 级
Subgraph Reconstruction Attacks on Graph RAG Deployments

本文把 GraphRAG 结构泄露形式化为 targeted one-hop subgraph reconstruction,并证明在 safe prompt 已启用的部署中,攻击与防御的关键不只是“能否拒绝敏感请求”,而是 relation table 的实例边界、字段归属和多轮新关系收益。

阅读论文卡片 ↗
2026PDF 级
ArcRAG: Agentic Compositional Retrieval over Knowledge Graphs

把“检索器必须配合自己的构图方式”作为可检验假设,尝试在查询时诱导局部图接口,并以构图无关的方式规划和修复多跳 Cypher 检索。

阅读论文卡片 ↗
2025摘要级
Towards Practical GraphRAG - Efficient KG Construction and Hybrid Retrieval at Scale

Towards Practical GraphRAG: Efficient Knowledge Graph Construction and Hybrid Retrieval at Scale

阅读论文卡片 ↗
2026PDF 级
LiteSemRAG - Lightweight LLM-Free Semantic-Aware Graph Retrieval

LiteSemRAG 用 token-level contextual embeddings 构建 document / chunk / semantic / token 四层异构语义图,并通过 co-occurrence graph semantic retrieval + isolated semantic recovery 实现完全无 LLM 的语义感知图检索。

阅读论文卡片 ↗
2026PDF 级
Do We Still Need GraphRAG - Agentic Search Benchmark

提出 RAGSearch,把 dense RAG 和多类 GraphRAG 都作为 agentic search 的 interchangeable retrieval backend,在统一 agent 控制协议下比较显式图结构与隐式交互结构的价值。

阅读论文卡片 ↗
主线 05 · 训练信号怎样改变系统

若最终目的是回答正确并使用完整证据,应该训练构图器、检索策略、证据集合,还是检索—生成接口?

先看问题怎样推进,再点开任一步。

问题推进 · 01 / 04

手工规则难以覆盖查询差异

遇到了什么瓶颈

固定种子选择、传播与排序规则无法对所有问题给出合适证据。

方法如何回应

学习实体/子图评分、查询条件化传播和策略动作。

又留下什么问题

训练改进的是答案节点、候选覆盖还是来源文档排序?

代表研究

论文卡片与专题笔记,点击查看证据边界
2026PDF 级
Graph-R1 - Agentic GraphRAG via End-to-end Reinforcement Learning

Graph-R1 把 GraphRAG 形式化为 agent 在 knowledge hypergraph 环境中的多轮 think -> query -> retrieve -> rethink -> answer 轨迹,并用 GRPO 的端到端奖励训练检索与回答策略。

阅读论文卡片 ↗
2026PDF 级
GraphRAG-R1 - Process-Constrained Reinforcement Learning for GraphRAG

GraphRAG-R1 用支持 rollout-with-thinking 的 GRPO 训练 GraphRAG agent,并通过 PRA 奖励鼓励必要检索、CAF 奖励惩罚无效过度检索,再用三阶段训练避免格式、检索行为和答案质量目标互相冲突。

阅读论文卡片 ↗
问题推进 · 02 / 04

最终奖励难以归因到中间步骤

遇到了什么瓶颈

答案对错只在搜索末端可见,桥接步骤的贡献容易丢失。

方法如何回应

探索过程奖励、进展感知监督与步骤级评价。

又留下什么问题

中间奖励是否和最终支持集合及答案目标一致?

代表研究

论文卡片与专题笔记,点击查看证据边界
2026PDF 级
PRoH - Dynamic Planning over Knowledge Hypergraphs

PRoH 用局部 KH sketch 生成初始 reasoning DAG,再在状态空间中迭代求解和重写 DAG,并用 Entity-Weighted Overlap 选择超图中的下一跳 reasoning path。

阅读论文卡片 ↗
专题笔记
GraphFlow 与 ProGraph-R1 学习信号

关联研究笔记,具体论文主张请回到一手来源。

打开专题 ↗
问题推进 · 03 / 04

检索与生成目标可能错位

遇到了什么瓶颈

检索器被局部相关性训练,生成器却需要组合、可靠且完整的来源。

方法如何回应

把下游任务反馈连到检索、生成或文档节点接入过程。

又留下什么问题

端到端收益来自更好的检索、更多生成上下文,还是更强生成模型?

代表研究

论文卡片与专题笔记,点击查看证据边界
专题笔记
UniGFM-RAG 端到端训练路线

关联研究笔记,具体论文主张请回到一手来源。

打开专题 ↗
问题推进 · 04 / 04

图构建策略本身也影响下游

遇到了什么瓶颈

先固定一种图,无法知道哪些结构最利于目标任务。

方法如何回应

用下游效用评价构图候选,联合探索索引结构与检索策略。

又留下什么问题

构图奖励是否能跨领域迁移,且补偿持续重建成本?

代表研究

论文卡片与专题笔记,点击查看证据边界
2026PDF 级
CrossAug - Cross-Chunk Graph Augmentation for GraphRAG

先用 GNN 识别可能缺失跨 chunk 关系的高价值子图,再只对这些区域调用 LLM 做 evidence-grounded completion。

阅读论文卡片 ↗
专题笔记
AutoGraph-R1 构图效用学习

关联研究笔记,具体论文主张请回到一手来源。

打开专题 ↗
放回同一个跨文档问答案例

若助手答错,应区分是图漏了导演履历、搜索没找到它、排序挤掉它,还是生成阶段没有组合它。只有这样才能知道应该训练哪个部件。

判别实验 · 本库提出

固定 backbone、候选池、预算和最终生成器,比较检索监督、答案奖励、过程奖励和集合级奖励;保存中间排名和来源,以区分检索收益与生成收益。

与其他主线的连接

训练目标承接证据集合定义;缺少独立评价时,优化器可能迎合局部指标而不是完整支持任务。

继续拓展 · 69 篇自动关联论文

依据 Q1—Q10 标签或 narrative_threads 归入;关联不等于该论文已人工定位到本主线的某个阶段。

2026PDF 级
GraphRAG-Router - Cost-Efficient Routing over GraphRAGs and LLMs

GraphRAG-Router 把检索后端选择和生成 LLM 选择拆成层次化动作,并用 SFT + 两阶段 RL 学习何时使用哪种 GraphRAG-LLM 组合。

阅读论文卡片 ↗
年份待核验摘要级
Rethinking Chunk Size for Long-Document Retrieval: A Multi-Dataset Analysis

这篇论文真正重要的结论不是“块越大越好”或“块越小越好”,而是:chunk size 是数据集结构、答案局部性、文档长度、embedding 模型偏好共同决定的检索超参数,没有可跨场景复用的统一最优值。

阅读论文卡片 ↗
年份待核验摘要级
GeAR: Graph-enhanced Agent for Retrieval-augmented Generation

GeAR 试图把任何普通 retriever 升级成 graph-enhanced multi-hop retriever,再用一个带 gist memory 的 agent 循环逐步改写 query、扩展证据并完成多跳检索。

阅读论文卡片 ↗
2025PDF 级
HopRAG - Multi-Hop Reasoning for Logic-Aware Retrieval-Augmented Generation

HopRAG: Multi-Hop Reasoning for Logic-Aware Retrieval-Augmented Generation

阅读论文卡片 ↗
年份待核验摘要级
MED-COPILOT: A Medical Assistant Powered by GraphRAG and Similar Patient Case Retrieval

MED-COPILOT 的核心不是只把临床指南做成 GraphRAG,而是把 guideline-grounded GraphRAG 和 similar-patient retrieval 放到同一套医疗推理流程里:前者提供规范性证据,后者提供类病例类比证据。

阅读论文卡片 ↗
2026PDF 级
Reliable Graph-RAG for Codebases - AST vs LLM Knowledge Graphs

把代码库 GraphRAG 的图构建从 LLM 抽取 KG 改成确定性 AST 派生图,用 Tree-sitter 构建窄 schema、可覆盖、可复现的代码结构图,再在 query-time 做双向邻域扩展和 interface-consumer expansion。

阅读论文卡片 ↗
2026PDF 级
OMD-GraphRAG: Enhancing GraphRAG with Ontology-Guided Extraction, Multi-Dimensional Clustering and Dual-Channel Fusion

OMD-GraphRAG 在开源 GraphRAG/LightRAG 风格流程上,联合改变三个控制点:用本体约束知识抽取,用多维社区策略保留跨边界语义,再融合细粒度三元组检索和粗粒度社区报告检索。

阅读论文卡片 ↗
2026PDF 级
FastInsight - Fast and Insightful Retrieval via Fusion Operators for Graph RAG

FastInsight 把 GraphRAG 检索分解为基础算子和融合算子,用 GRanker 在 reranking 中融合拓扑邻域,用 STeX 在图扩展中融合语义相似度,从而在不依赖多轮 LLM 推理的情况下实现快速 Insightful Retrieval。

阅读论文卡片 ↗
2026PDF 级
TechGraphRAG - Agentic Graph-Augmented RAG Framework

把技术文献推理组织成多步骤 agentic pipeline,并用 evidence sufficiency rubric 驱动外部搜索、KG 遍历和再生成。

阅读论文卡片 ↗
年份待核验摘要级
From Matching to Generation: A Survey on Generative Information Retrieval

这篇综述把信息检索从“对查询和文档做匹配并排序”的传统范式,扩展为“由生成模型直接产生检索对象或响应”的 GenIR 范式,并系统梳理了生成式检索与可靠响应生成两条主线。

阅读论文卡片 ↗
2026PDF 级
STAR - Semantic-Tuned and Tail-Adaptive Retriever for GraphRAG

STAR 用 single-tower cross-attention 让 query 和 path 做 token-level interaction,并用 hard path mining + path-weighted contrastive loss 强化难负例和长尾路径,从而同时缓解 Semantic Shortcut Bias 和 Long-Tail Path Bias。

阅读论文卡片 ↗
2026摘要级
Graph-Augmented Reasoning with KG Retrieval

标题: Graph-Augmented Reasoning: Evolving Step-by-Step Knowledge Graph Retrieval for LLM Reasoning

阅读论文卡片 ↗
年份待核验摘要级
Beyond Chunks and Graphs: Retrieval-Augmented Generation through Triplet-Driven Thinking

T²RAG 的核心思想是:既然 multi-round RAG 太贵、GraphRAG 建图太重,那就把知识与推理状态都降到 triplet / proposition 粒度,让 LLM 围绕“带占位符的 searchable triplets”逐轮补全信息,而不是围绕长 chunk 或显式图遍历展开。

阅读论文卡片 ↗
2024PDF 级
StructRAG: Boosting Knowledge Intensive Reasoning of LLMs via Inference-time Hybrid Information Structurization

StructRAG 的关键想法不是“统一用图”,而是在推理时先判断当前任务更适合什么结构,再把分散在长文档里的知识重组为表格、图、算法、目录或普通 chunk,并在这个结构上完成推理。

阅读论文卡片 ↗
2024PDF 级
Think-on-Graph: Deep and Responsible Reasoning of Large Language Model on Knowledge Graph

ToG 把 LLM 从“被动读取检索结果的回答器”变成“主动在 KG 上做 beam search 的 agent”,让模型边探索关系路径、边判断何时停止,再基于路径证据回答问题。

阅读论文卡片 ↗
2024PDF 级
G-Retriever: Retrieval-Augmented Generation for Textual Graph Understanding and Question Answering

G-Retriever 处理的不是普通文档库,而是带文本属性的图。它把“从图里找什么证据给 LLM”建模成连通子图检索问题,并用 Prize-Collecting Steiner Tree (PCST) 抽出最相关子图,再交给 GNN+LLM 回答问题。

阅读论文卡片 ↗
2026PDF 级
WildGraphBench: Benchmarking GraphRAG with Wild-Source Corpora

用 Wikipedia 文章及其外部引用构造长、异质、带来源关系的语料,检验 GraphRAG 在更接近开放环境的证据聚合任务上的表现。

阅读论文卡片 ↗
2026PDF 级
BubbleRAG - Evidence-Driven RAG for Black-Box KGs

把 GraphRAG 检索形式化为 Optimal Informative Subgraph Retrieval,并用 semantic anchor grouping、bubble expansion、CEG ranking 和 reasoning-aware expansion 近似求解。

阅读论文卡片 ↗
2026PDF 级
PersonalAI 2.0 - Planning Graph Traversal for Personalized LLM Agents

PAI-2 把 GraphRAG 检索改造成“计划驱动的多轮图遍历”:每个 search step 先映射到图顶点,再生成多个 clue-query 控制 BeamSearch / WaterCircles 遍历,并用证据充分性判断是否增强后续计划。

阅读论文卡片 ↗
2025PDF 级
LINEAR RAG: Linear Graph Retrieval Augmented Generation on Large-Scale Corpora

LinearRAG 的核心主张非常明确:GraphRAG 不必先抽 relation 才能做多跳检索。作者直接放弃关系抽取,构建一个只包含实体、句子、段落三层节点的 relation-free Tri-Graph,再通过“局部语义桥接 + 全局重要性聚合”完成单次检索下的多跳证据召回。

阅读论文卡片 ↗
年份待核验摘要级
REANO: Optimising Retrieval-Augmented Reader Models through Knowledge Graph Generation

REANO 不是做“整个语料库上的 GraphRAG”,而是在 retriever 之后、reader 之前,从已检索到的 passages 里动态生成一个局部知识图,用它增强 FiD 这类 reader 的多跳理解能力。

阅读论文卡片 ↗
2026PDF 级
GraphRAG on Consumer Hardware - Local LLMs for Healthcare EHR Schema Retrieval

论文把 Microsoft GraphRAG 跑到单张 8GB VRAM 消费级 GPU 上,系统评估本地 LLM 在 EHR schema 检索中的索引、延迟、质量、幻觉和失败模式。

阅读论文卡片 ↗
年份待核验摘要级
Dynamic Chunking and Selection for Reading Comprehension of Ultra-Long Context in Large Language Models

这篇论文的核心不是“把 chunk 切得更灵活”这么简单,而是把 语义边界检测 和 问题感知选块 串成一个完整流程:先用句间语义差异找到更自然的切分点,再只保留对当前问题真正有帮助的 chunks,从而让基础 LLM 在超长阅读理解里更稳定地命中答案证据。

阅读论文卡片 ↗
2026PDF 级
TCAR-Gen - Temporal Graph Retrieval with Evidence Fusion

TCAR-Gen 用 query-conditioned context graph 缩小搜索空间,再用 temporal GNN attention、semantic-graph-time hybrid retrieval 和 Chain-of-Trees path fusion,让检索、推理和时间一致性约束共享同一张证据图。

阅读论文卡片 ↗
2025PDF 级
E2GraphRAG: Streamlining Graph-based RAG for High Efficiency and Effectiveness

这篇论文的目标不是重新发明 GraphRAG,而是把它工程化、轻量化、可落地化:用 Summary Tree + Entity Graph + 双向索引 保留全局摘要和局部实体结构的优势,再用自适应路由自动决定走 local 还是 global retrieval,从而把 GraphRAG 的成本压下来。

阅读论文卡片 ↗
2026PDF 级
SEM-RAG - Structure-Preserving Multimodal Graph Compilation

SEM-RAG 把电信标准先编译成可执行图原语,包括层级文本、条件表格子图和公式算子图,再用结构熵最小化构建层级索引,避免递归 LLM 聚类,并通过 JSD 对齐和轻量路由把自然语言问题映射到合适子图。

阅读论文卡片 ↗
2025PDF 级
KG-R1 - Efficient and Transferable Agentic KG-RAG

KG-R1 用一个 LLM agent 替代多模块 KG-RAG workflow,让 agent 通过 schema-agnostic 1-hop KG server 多轮查询,并用 turn reward、retrieval coverage 和 turn-level group-relative advantage 训练可迁移的 KG 交互策略。

阅读论文卡片 ↗
2025PDF 级
MMGraphRAG - Interpretable Multimodal Knowledge Graphs

MMGraphRAG 把图片解析成 scene graph,再用 SpecLink 在视觉实体和文本实体之间生成高质量候选对齐,最终构建 node-based MMKG,让检索可以沿跨模态图路径取证据,而不是只用 caption 或 shared embedding。

阅读论文卡片 ↗
年份待核验摘要级
GRIL: Knowledge Graph Retrieval-Integrated Learning with Large Language Models

GRIL 的关键不是“再做一个图检索器”,而是把 graph retriever 与 LLM reasoner 做成可交互、端到端联合优化 的系统,让检索目标从“相关”变成“对最终推理有用”。

阅读论文卡片 ↗
年份待核验摘要级
Generative Dense Retrieval: Memory Can Be a Burden

GDR 不让生成式模型强行记住并唯一定位每篇文档,而是只生成相关文档簇;随后用无需参数记忆的稠密检索在簇内完成细粒度文档匹配,从而兼得生成式深度交互与稠密检索的可扩展性。

阅读论文卡片 ↗
2026PDF 级
Reasoning Bottleneck in Graph-RAG - Structured Prompting and Context Compression

这篇论文证明 GraphRAG 的瓶颈可以从“检索不到证据”转移到“证据已在上下文但模型不会用”,并用 SPARQL CoT、graph-walk compression 和 question-type routing 三个推理时增强模块缓解后检索推理失败。

阅读论文卡片 ↗
年份待核验摘要级
Generative Retrieval Overcomes Limitations of Dense Retrieval but Struggles with Identifier Ambiguity

生成式检索能够绕开单向量稠密检索在复杂相关性组合上的表示瓶颈,但它把检索问题转化为“生成正确文档标识符”的解码问题;当相关文档之间的标识符不再可唯一预测时,这个新瓶颈会迅速显现。

阅读论文卡片 ↗
2026摘要级
Enhancing Automated Short Answer Grading with GraphRAG

Enhancing Automated Short Answer Grading with GraphRAG

阅读论文卡片 ↗
2025PDF 级
Inference Scaled GraphRAG: Improving Multi Hop Question Answering on Knowledge Graphs

论文研究 GraphRAG 的推理时预算:在固定图接口和 Llama3.1-8B-Instruct 主设置下,同时增加单条轨迹的 reasoning-action 步数,并对多条采样轨迹做 majority voting,以改善多跳图问答。

阅读论文卡片 ↗
2026PDF 级
A2RAG - Adaptive Agentic Graph Retrieval

A2RAG 把 GraphRAG 检索改造成“先轻量、再桥接、最后全局扩散”的渐进式 agent,并用 answer-level Triple-Check 决定是否重写和重试。

阅读论文卡片 ↗
2026PDF 级
MOSAIC: Query-Aware Exploration Policy Adaptation for GraphRAG

将 GraphRAG 检索写成逐查询控制问题,让分析器根据问题需要决定 seed、遍历、停止和证据选择,而不是所有问题共用窄/中/宽搜索策略。

阅读论文卡片 ↗
2026PDF 级
DOTRAG - Retrieval-Time Reasoning Along Paths

DOTRAG 把 GraphRAG 检索改写为 goal-constrained path-finding,在每个 query-specific DOT 工作区内用 LLM 生成路径约束、局部向量检索候选节点、Yen shortest paths 构造候选路径,再用 LLM 判断路径是否 partial / complete。

阅读论文卡片 ↗
2026PDF 级
S-Path-RAG: Semantic-Aware Shortest-Path Retrieval Augmented Generation for Multi-Hop Knowledge Graph Question Answering

S-Path-RAG 将多跳 KGQA 的检索对象从序列化文本路径转为带语义权重的候选路径集合:用可微 scorer 和 verifier 选择路径,把压缩后的 path latent 通过 cross-attention 注入冻结 LLM,并让 LLM 的诊断消息触发下一轮图编辑。

阅读论文卡片 ↗
2024PDF 级
HippoRAG: Neurobiologically Inspired Long-Term Memory for Large Language Models

HippoRAG 把文档级长期记忆建模为一个由 OpenIE 三元组、同义边和 passage 关联组成的“海马索引”,用 Personalized PageRank 一次传播完成多跳证据检索。

阅读论文卡片 ↗
2026PDF 级
LogicPoison - Logical Attacks on GraphRAG

LogicPoison 用“同类型实体循环置换”重写语料,使 GraphRAG 构建出的图拓扑被隐式污染,从而破坏多跳推理链,而不改变查询和 ground truth。

阅读论文卡片 ↗
2026PDF 级
GraphRAGProv: GraphRAG Meets How-Provenance

将查询结果的 how-provenance 多项式与源文本 occurrence 连接起来,检查“图上的答案如何由哪些原文陈述组合得到”。

阅读论文卡片 ↗
2026PDF 级
NaviRAG - Active Knowledge Navigation for RAG

NaviRAG 把证据获取从 passive segment retrieval 改写成 active knowledge navigation:先把文档组织成可导航的 hierarchical Knowledge Tree,再让 LLM agent 在 query-time 先定位语义子树、再自顶向下逐步展开证据。

阅读论文卡片 ↗
年份待核验摘要级
Graph-based RAG 研究脉络阅读报告

主要会议**: ICLR, NeurIPS, ACL, ICML, EMNLP, AAAI

阅读论文卡片 ↗
年份待核验摘要级
ReinPool: Reinforcement Learning Pooling Multi-Vector Embeddings for Retrieval System

ReinPool 不是重新训练一个更强的多向量检索模型,而是站在现有 multi-vector 表示之上,学习“哪些 token/patch 向量值得保留”,再把它们池化成单向量,从而在大幅压缩索引成本的同时尽量保住检索效果。

阅读论文卡片 ↗
2026PDF 级
Rethinking Agentic RAG - LLM-Driven Logical Retrieval Beyond Embeddings

LogicalRAG 让 LLM 用 Boolean logic、phrase matching、field targeting 和 matching granularity 表达检索意图,再用倒排索引忠实执行候选过滤,用 BM25 只负责候选集内排序。

阅读论文卡片 ↗
2026PDF 级
GraphSteal - Structural Knowledge Stealing from GraphRAG

GraphSteal 把 GraphRAG 视为结构化 oracle,通过黑盒多轮查询,把 LLM 输出中的实体和关系解析回图,并用 BFS/DFS 式 traversal reconstruction 恢复隐藏 KG。

阅读论文卡片 ↗
2026PDF 级
Core-based Hierarchies for Efficient GraphRAG

论文把 Microsoft GraphRAG 的 Leiden 社区层次替换为确定性的 k-core 层次,并用小社区合并和 round-robin token 预算控制,目标是在 global sensemaking 中减少层次构建和摘要成本。

阅读论文卡片 ↗
2024PDF 级
From Local to Global: A Graph RAG Approach to Query-Focused Summarization

Microsoft GraphRAG 的源头论文:以实体—关系图、层级社区和社区摘要替代单纯的局部向量检索,使系统能回答面向整个语料库的 global sensemaking 问题。

阅读论文卡片 ↗
2026PDF 级
HyperGraphPro - Progress-Aware Hypergraph RAG

HyperGraphPro 用结构引导的 hyperedge re-score 改善检索,再用 step progress reward 和 structure progress reward 调制 GRPO advantage,让 agent 在训练中获得“这一步是否让推理更接近答案、是否沿图结构连续前进”的稠密反馈。

阅读论文卡片 ↗
年份待核验摘要级
On the Theoretical Limitations of Embedding-Based Retrieval

On the Theoretical Limitations of Embedding-Based Retrieval

阅读论文卡片 ↗
2026PDF 级
CacheRAG - Semantic Caching for KGQA

CacheRAG 把 KGQA planner 从 stateless prompt 变成带语义计划缓存的 continual learner,用 ISR 解耦用户语言和物理 schema,用 Domain -> Aspect + MMR 取多样历史计划,再用有界图算子补全不足证据。

阅读论文卡片 ↗
2024PDF 级
RAPTOR: Recursive Abstractive Processing for Tree-Organized Retrieval

RAPTOR 不把检索限制在原始短 chunk,而是递归地对嵌入后的文本块聚类、摘要和再聚类,建立从细节到主题的树,在查询时同时检索不同抽象层级。

阅读论文卡片 ↗
2026PDF 级
IA-RAG - Interval-Algebra Temporal Reasoning for Dynamic Knowledge Retrieval

IA-RAG 把事实抽成带闭区间的 Interval Event Unit,并用 Allen’s Interval Algebra 构建层次 Thematic Forest,再按 query 的时间窗口做方向性 interval traversal,从而把时间推理从生成阶段前移到检索阶段。

阅读论文卡片 ↗
2026PDF 级
CS-RAG - Robust GraphRAG over Imperfect KGs

CS-RAG 不试图先把 KG 修到完美,而是在检索时把问题拆成可执行原子约束,并用 Neff 判断每一跳的结构候选是否足够集中;集中则传播变量,不集中则转入文本恢复。

阅读论文卡片 ↗
2025PDF 级
FRAG: A Flexible Modular Framework for Retrieval-Augmented Generation based on Knowledge Graphs

FRAG 关注的是 KG-RAG 里一个很现实的矛盾: 模块化方法够灵活但检索质量不够,耦合方法检索更强但失去灵活性。它通过“先判断 query 复杂度,再切换检索流水线”的方式,试图同时保住灵活性和检索质量。

阅读论文卡片 ↗
2026PDF 级
Ex-GraphRAG - Interpretable Evidence Routing for Graph-Augmented LLMs

Ex-GraphRAG 用 M-GNAN 替换 GraphRAG 的黑盒 GNN encoder,让 encoder 输出可以精确分解到节点和特征组,从而审计哪些实体真正影响了图条件表示。

阅读论文卡片 ↗
2026PDF 级
ChatP&ID - GraphRAG for Engineering Diagrams

ChatP&ID 把 P&ID 从视觉图像转换为 DEXPI 驱动的 flowsheet knowledge graph,再让 LLM agent 按 query 类型选择 ContextRAG、VectorRAG、PathRAG 或 CypherRAG,从而在精确性、成本和可解释工具轨迹之间折中。

阅读论文卡片 ↗
2025PDF 级
LEGO-GraphRAG: Modularizing Graph-based Retrieval-Augmented Generation for Design Space Exploration

LEGO-GraphRAG 不是再提一个单独的 GraphRAG 算法,而是把 GraphRAG 拆成可组合的模块、方法类型和语义模型,做成一个 设计空间框架 + 实验测试床,系统分析质量、效率和成本之间的权衡。

阅读论文卡片 ↗
2026摘要级
CogitoRAG - Cognitive Gist-Driven RAG Framework

CogitoRAG: Cognitive Gist-Driven RAG Framework

阅读论文卡片 ↗
2025摘要级
Graph Retrieval-Augmented Generation: A Survey

以 Graph-Based Indexing、Graph-Guided Retrieval、Graph-Enhanced Generation 三阶段组织 GraphRAG 方法、训练、下游任务和评测,是现有知识库的综述入口。

阅读论文卡片 ↗
年份待核验摘要级
CFT-RAG: An Entity Tree Based Retrieval Augmented Generation Algorithm With Cuckoo Filter

CFT-RAG 关注的不是“怎样让 Tree-RAG 更会推理”,而是“怎样让 Tree-RAG 在大规模实体树上查得足够快”。它把改进版 Cuckoo Filter 直接嵌入实体树检索流程,用 fingerprint + block linked list + temperature sorting 把实体定位从树遍历变成近似 O(1) 的桶查找。

阅读论文卡片 ↗
2026PDF 级
MemGraphRAG - Memory-based Multi-Agent GraphRAG

MemGraphRAG 把图构建改成由三层 Global Memory 支撑的多智能体协作过程,让抽取结果先进入共享记忆,再经过 schema 稳定、冲突裁决和跨层投影,最终形成可检索的层次图。

阅读论文卡片 ↗
2026PDF 级
LLM-Wiki - Retrieval as Reasoning via Self-Evolving Agent-Native Retrieval

LLM-Wiki 把外部语料编译成可读、可搜索、可沿双向链接遍历、可通过 Error Book 自修复的 Wiki,让 retrieval 从隐藏 ranking step 变成 agent 的显式推理过程。

阅读论文卡片 ↗
年份待核验摘要级
研究报告:从节点相关性到可验证证据集合

Provenance-conditioned Proof-State Retrieval:让实体状态、关系路径和文档来源在同一个查询条件化的“证明状态”中联合演化,而不是先算实体分数、再独立聚合文档。

阅读论文卡片 ↗
2026PDF 级
Subgraph Reconstruction Attacks on Graph RAG Deployments

本文把 GraphRAG 结构泄露形式化为 targeted one-hop subgraph reconstruction,并证明在 safe prompt 已启用的部署中,攻击与防御的关键不只是“能否拒绝敏感请求”,而是 relation table 的实例边界、字段归属和多轮新关系收益。

阅读论文卡片 ↗
2026PDF 级
ArcRAG: Agentic Compositional Retrieval over Knowledge Graphs

把“检索器必须配合自己的构图方式”作为可检验假设,尝试在查询时诱导局部图接口,并以构图无关的方式规划和修复多跳 Cypher 检索。

阅读论文卡片 ↗
2025摘要级
Towards Practical GraphRAG - Efficient KG Construction and Hybrid Retrieval at Scale

Towards Practical GraphRAG: Efficient Knowledge Graph Construction and Hybrid Retrieval at Scale

阅读论文卡片 ↗
2026PDF 级
LiteSemRAG - Lightweight LLM-Free Semantic-Aware Graph Retrieval

LiteSemRAG 用 token-level contextual embeddings 构建 document / chunk / semantic / token 四层异构语义图,并通过 co-occurrence graph semantic retrieval + isolated semantic recovery 实现完全无 LLM 的语义感知图检索。

阅读论文卡片 ↗
2026PDF 级
Do We Still Need GraphRAG - Agentic Search Benchmark

提出 RAGSearch,把 dense RAG 和多类 GraphRAG 都作为 agentic search 的 interchangeable retrieval backend,在统一 agent 控制协议下比较显式图结构与隐式交互结构的价值。

阅读论文卡片 ↗
主线 06 · 如何确认检索可靠且证据被使用

答案更好、路径可见或引用存在,能否证明 GraphRAG 找到了正确依据并真的支持了答案?

先看问题怎样推进,再点开任一步。

问题推进 · 01 / 04

终端答案分数无法定位失效

遇到了什么瓶颈

同一个错误答案可能来自构图、候选覆盖、排序、上下文或生成阶段。

方法如何回应

把 retrieval、evidence-set、source、QA 与 cost 指标分别报告。

又留下什么问题

指标变化是否能对应实际的中间机制?

代表研究

论文卡片与专题笔记,点击查看证据边界
2026PDF 级
Reasoning Bottleneck in Graph-RAG - Structured Prompting and Context Compression

这篇论文证明 GraphRAG 的瓶颈可以从“检索不到证据”转移到“证据已在上下文但模型不会用”,并用 SPARQL CoT、graph-walk compression 和 question-type routing 三个推理时增强模块缓解后检索推理失败。

阅读论文卡片 ↗
专题笔记
Q9 评测与理论问题

关联研究笔记,具体论文主张请回到一手来源。

打开专题 ↗
问题推进 · 02 / 04

可解释路径不等于因果使用

遇到了什么瓶颈

展示路径、归因节点或引用,只说明某种关联或表示影响。

方法如何回应

用证据删除、来源替换、反事实上下文与读取轨迹检查答案敏感性。

又留下什么问题

这些干预本身是否保持任务难度和输入条件可比?

代表研究

论文卡片与专题笔记,点击查看证据边界
2026PDF 级
Ex-GraphRAG - Interpretable Evidence Routing for Graph-Augmented LLMs

Ex-GraphRAG 用 M-GNAN 替换 GraphRAG 的黑盒 GNN encoder,让 encoder 输出可以精确分解到节点和特征组,从而审计哪些实体真正影响了图条件表示。

阅读论文卡片 ↗
2026PDF 级
XGRAG - Graph-Native Framework for Explaining KG-based RAG

XGRAG 把扰动解释从文本 token / sentence 提升到图节点和边,通过“扰动图组件 -> 重新生成答案 -> 比较语义变化”来估计每个 graph component 对答案的因果贡献。

阅读论文卡片 ↗
问题推进 · 03 / 04

图可能缺失、错误或被污染

遇到了什么瓶颈

推理基于完美图的结论不一定适用于抽取噪声或恶意关系。

方法如何回应

对不完美 KG 做约束传播、原文恢复、噪声和定向攻击评测。

又留下什么问题

可靠度怎样影响搜索状态和集合级置信判断?

代表研究

论文卡片与专题笔记,点击查看证据边界
2026PDF 级
CS-RAG - Robust GraphRAG over Imperfect KGs

CS-RAG 不试图先把 KG 修到完美,而是在检索时把问题拆成可执行原子约束,并用 Neff 判断每一跳的结构候选是否足够集中;集中则传播变量,不集中则转入文本恢复。

阅读论文卡片 ↗
2026PDF 级
LogicPoison - Logical Attacks on GraphRAG

LogicPoison 用“同类型实体循环置换”重写语料,使 GraphRAG 构建出的图拓扑被隐式污染,从而破坏多跳推理链,而不改变查询和 ground truth。

阅读论文卡片 ↗
问题推进 · 04 / 04

基准可能只测特定整理任务

遇到了什么瓶颈

QA 高分无法说明图对不同复杂度、长文来源和跨模态证据的适用范围。

方法如何回应

构造图收益边界、真实语料、多模态拓扑和完整性基准。

又留下什么问题

基准的 gold support、候选池和图结构是否反映真实证据需要?

代表研究

论文卡片与专题笔记,点击查看证据边界
专题笔记
GraphRAG-Bench、WildGraphBench 与 TopoGraphRAG-Bench

关联研究笔记,具体论文主张请回到一手来源。

打开专题 ↗
放回同一个跨文档问答案例

助手说对“出生国家”,可能只是预训练知识记忆;把正确出生地文档替换成反事实信息,才能检查答案是否依赖检索证据。

判别实验 · 本库提出

固定问题和模型,做 source swap、bridge removal、graph edge corruption 和 evidence ablation;同时保留实际文档排名、来源映射与答案指标。

与其他主线的连接

可靠性评测约束所有技术线,也帮助识别什么时候 GraphRAG 应拒答、恢复原文或退回扁平检索。

继续拓展 · 66 篇自动关联论文

依据 Q1—Q10 标签或 narrative_threads 归入;关联不等于该论文已人工定位到本主线的某个阶段。

2025PDF 级
GraphRAG-Bench: Challenging Domain-Specific Reasoning for Evaluating Graph Retrieval-Augmented Generation

用大学教材和领域化问题测试 GraphRAG 的构图、检索、生成及推理过程,补足传统 QA 基准过于简单、指标单一的问题。

阅读论文卡片 ↗
年份待核验摘要级
Rethinking Chunk Size for Long-Document Retrieval: A Multi-Dataset Analysis

这篇论文真正重要的结论不是“块越大越好”或“块越小越好”,而是:chunk size 是数据集结构、答案局部性、文档长度、embedding 模型偏好共同决定的检索超参数,没有可跨场景复用的统一最优值。

阅读论文卡片 ↗
年份待核验摘要级
GeAR: Graph-enhanced Agent for Retrieval-augmented Generation

GeAR 试图把任何普通 retriever 升级成 graph-enhanced multi-hop retriever,再用一个带 gist memory 的 agent 循环逐步改写 query、扩展证据并完成多跳检索。

阅读论文卡片 ↗
2025PDF 级
HopRAG - Multi-Hop Reasoning for Logic-Aware Retrieval-Augmented Generation

HopRAG: Multi-Hop Reasoning for Logic-Aware Retrieval-Augmented Generation

阅读论文卡片 ↗
年份待核验摘要级
MED-COPILOT: A Medical Assistant Powered by GraphRAG and Similar Patient Case Retrieval

MED-COPILOT 的核心不是只把临床指南做成 GraphRAG,而是把 guideline-grounded GraphRAG 和 similar-patient retrieval 放到同一套医疗推理流程里:前者提供规范性证据,后者提供类病例类比证据。

阅读论文卡片 ↗
2026PDF 级
Reliable Graph-RAG for Codebases - AST vs LLM Knowledge Graphs

把代码库 GraphRAG 的图构建从 LLM 抽取 KG 改成确定性 AST 派生图,用 Tree-sitter 构建窄 schema、可覆盖、可复现的代码结构图,再在 query-time 做双向邻域扩展和 interface-consumer expansion。

阅读论文卡片 ↗
2026PDF 级
OMD-GraphRAG: Enhancing GraphRAG with Ontology-Guided Extraction, Multi-Dimensional Clustering and Dual-Channel Fusion

OMD-GraphRAG 在开源 GraphRAG/LightRAG 风格流程上,联合改变三个控制点:用本体约束知识抽取,用多维社区策略保留跨边界语义,再融合细粒度三元组检索和粗粒度社区报告检索。

阅读论文卡片 ↗
2026PDF 级
TechGraphRAG - Agentic Graph-Augmented RAG Framework

把技术文献推理组织成多步骤 agentic pipeline,并用 evidence sufficiency rubric 驱动外部搜索、KG 遍历和再生成。

阅读论文卡片 ↗
年份待核验摘要级
From Matching to Generation: A Survey on Generative Information Retrieval

这篇综述把信息检索从“对查询和文档做匹配并排序”的传统范式,扩展为“由生成模型直接产生检索对象或响应”的 GenIR 范式,并系统梳理了生成式检索与可靠响应生成两条主线。

阅读论文卡片 ↗
2026摘要级
Graph-Augmented Reasoning with KG Retrieval

标题: Graph-Augmented Reasoning: Evolving Step-by-Step Knowledge Graph Retrieval for LLM Reasoning

阅读论文卡片 ↗
年份待核验摘要级
关于嵌入式检索的理论局限性

原标题**: On the Theoretical Limitations of Embedding-Based Retrieval

阅读论文卡片 ↗
2024PDF 级
StructRAG: Boosting Knowledge Intensive Reasoning of LLMs via Inference-time Hybrid Information Structurization

StructRAG 的关键想法不是“统一用图”,而是在推理时先判断当前任务更适合什么结构,再把分散在长文档里的知识重组为表格、图、算法、目录或普通 chunk,并在这个结构上完成推理。

阅读论文卡片 ↗
2024PDF 级
Think-on-Graph: Deep and Responsible Reasoning of Large Language Model on Knowledge Graph

ToG 把 LLM 从“被动读取检索结果的回答器”变成“主动在 KG 上做 beam search 的 agent”,让模型边探索关系路径、边判断何时停止,再基于路径证据回答问题。

阅读论文卡片 ↗
2024PDF 级
G-Retriever: Retrieval-Augmented Generation for Textual Graph Understanding and Question Answering

G-Retriever 处理的不是普通文档库,而是带文本属性的图。它把“从图里找什么证据给 LLM”建模成连通子图检索问题,并用 Prize-Collecting Steiner Tree (PCST) 抽出最相关子图,再交给 GNN+LLM 回答问题。

阅读论文卡片 ↗
年份待核验摘要级
How Does Generative Retrieval Scale to Millions of Passages?

这篇论文检验生成式检索能否从约十万规模语料真正扩展到百万级:它在小语料上可与强双编码器竞争,但把整个语料“记入参数”后,百万级扩展仍是未解问题,不能仅靠放大模型或堆叠已有结构改造解决。

阅读论文卡片 ↗
2026PDF 级
WildGraphBench: Benchmarking GraphRAG with Wild-Source Corpora

用 Wikipedia 文章及其外部引用构造长、异质、带来源关系的语料,检验 GraphRAG 在更接近开放环境的证据聚合任务上的表现。

阅读论文卡片 ↗
2026PDF 级
BubbleRAG - Evidence-Driven RAG for Black-Box KGs

把 GraphRAG 检索形式化为 Optimal Informative Subgraph Retrieval,并用 semantic anchor grouping、bubble expansion、CEG ranking 和 reasoning-aware expansion 近似求解。

阅读论文卡片 ↗
年份待核验摘要级
Biomedical Knowledge Graph-Optimized Prompt Generation for Large Language Models

这篇论文虽然官方标题没有直接写 KG-RAG,但提出的核心框架就是一个面向生物医学的 KG-RAG:从巨大的 SPOKE 知识图中抽取“对当前 prompt 真正有用的最小上下文”,再交给 LLM,以更少 token 获得更可靠的医学回答。

阅读论文卡片 ↗
2025PDF 级
LINEAR RAG: Linear Graph Retrieval Augmented Generation on Large-Scale Corpora

LinearRAG 的核心主张非常明确:GraphRAG 不必先抽 relation 才能做多跳检索。作者直接放弃关系抽取,构建一个只包含实体、句子、段落三层节点的 relation-free Tri-Graph,再通过“局部语义桥接 + 全局重要性聚合”完成单次检索下的多跳证据召回。

阅读论文卡片 ↗
年份待核验摘要级
REANO: Optimising Retrieval-Augmented Reader Models through Knowledge Graph Generation

REANO 不是做“整个语料库上的 GraphRAG”,而是在 retriever 之后、reader 之前,从已检索到的 passages 里动态生成一个局部知识图,用它增强 FiD 这类 reader 的多跳理解能力。

阅读论文卡片 ↗
年份待核验摘要级
Dynamic Chunking and Selection for Reading Comprehension of Ultra-Long Context in Large Language Models

这篇论文的核心不是“把 chunk 切得更灵活”这么简单,而是把 语义边界检测 和 问题感知选块 串成一个完整流程:先用句间语义差异找到更自然的切分点,再只保留对当前问题真正有帮助的 chunks,从而让基础 LLM 在超长阅读理解里更稳定地命中答案证据。

阅读论文卡片 ↗
2026PDF 级
TopoGraphRAG-Bench: Evaluating Multimodal GraphRAG on Layout-Grounded Evidence Reasoning

把多模态文档中的文字、表格、图像、标题和版面关系作为证据拓扑来评测,检验系统是否真的恢复了跨单元依赖,而不是只找到相关页面。

阅读论文卡片 ↗
2026PDF 级
TCAR-Gen - Temporal Graph Retrieval with Evidence Fusion

TCAR-Gen 用 query-conditioned context graph 缩小搜索空间,再用 temporal GNN attention、semantic-graph-time hybrid retrieval 和 Chain-of-Trees path fusion,让检索、推理和时间一致性约束共享同一张证据图。

阅读论文卡片 ↗
2025PDF 级
E2GraphRAG: Streamlining Graph-based RAG for High Efficiency and Effectiveness

这篇论文的目标不是重新发明 GraphRAG,而是把它工程化、轻量化、可落地化:用 Summary Tree + Entity Graph + 双向索引 保留全局摘要和局部实体结构的优势,再用自适应路由自动决定走 local 还是 global retrieval,从而把 GraphRAG 的成本压下来。

阅读论文卡片 ↗
2026PDF 级
Lightfoot: Graph Retrieval-Augmented Generation with Exact, Model-Free Document Deletion

把 GraphRAG 的索引维护纳入研究对象:用 passage 级 provenance 让实体、事实和边可精确追溯,并支持无需模型调用的文档删除。

阅读论文卡片 ↗
2026PDF 级
PRoH - Dynamic Planning over Knowledge Hypergraphs

PRoH 用局部 KH sketch 生成初始 reasoning DAG,再在状态空间中迭代求解和重写 DAG,并用 Entity-Weighted Overlap 选择超图中的下一跳 reasoning path。

阅读论文卡片 ↗
2026PDF 级
SEM-RAG - Structure-Preserving Multimodal Graph Compilation

SEM-RAG 把电信标准先编译成可执行图原语,包括层级文本、条件表格子图和公式算子图,再用结构熵最小化构建层级索引,避免递归 LLM 聚类,并通过 JSD 对齐和轻量路由把自然语言问题映射到合适子图。

阅读论文卡片 ↗
2025PDF 级
KG-R1 - Efficient and Transferable Agentic KG-RAG

KG-R1 用一个 LLM agent 替代多模块 KG-RAG workflow,让 agent 通过 schema-agnostic 1-hop KG server 多轮查询,并用 turn reward、retrieval coverage 和 turn-level group-relative advantage 训练可迁移的 KG 交互策略。

阅读论文卡片 ↗
2025PDF 级
LightRAG: Simple and Fast Retrieval-Augmented Generation

LightRAG 用轻量实体—关系图和向量表示组织文本索引,按 local/global 两个层级生成查询关键词并扩展邻域,以较低在线 token 成本兼顾具体事实和全局主题。

阅读论文卡片 ↗
2025PDF 级
MMGraphRAG - Interpretable Multimodal Knowledge Graphs

MMGraphRAG 把图片解析成 scene graph,再用 SpecLink 在视觉实体和文本实体之间生成高质量候选对齐,最终构建 node-based MMKG,让检索可以沿跨模态图路径取证据,而不是只用 caption 或 shared embedding。

阅读论文卡片 ↗
年份待核验摘要级
GRIL: Knowledge Graph Retrieval-Integrated Learning with Large Language Models

GRIL 的关键不是“再做一个图检索器”,而是把 graph retriever 与 LLM reasoner 做成可交互、端到端联合优化 的系统,让检索目标从“相关”变成“对最终推理有用”。

阅读论文卡片 ↗
年份待核验摘要级
Generative Dense Retrieval: Memory Can Be a Burden

GDR 不让生成式模型强行记住并唯一定位每篇文档,而是只生成相关文档簇;随后用无需参数记忆的稠密检索在簇内完成细粒度文档匹配,从而兼得生成式深度交互与稠密检索的可扩展性。

阅读论文卡片 ↗
2025PDF 级
Query-Centric Graph Retrieval Augmented Generation

QCG-RAG 的核心思想是:GraphRAG 不一定非要围绕“实体”建图,也不必退回“文档”建图;可以围绕 由 chunk 生成出的 query / query-answer 意图节点 建图,用“检索意图粒度”在表达力和成本之间取中间解。

阅读论文卡片 ↗
年份待核验摘要级
Generative Retrieval Overcomes Limitations of Dense Retrieval but Struggles with Identifier Ambiguity

生成式检索能够绕开单向量稠密检索在复杂相关性组合上的表示瓶颈,但它把检索问题转化为“生成正确文档标识符”的解码问题;当相关文档之间的标识符不再可唯一预测时,这个新瓶颈会迅速显现。

阅读论文卡片 ↗
年份待核验摘要级
RECON: Multimodal GraphRAG for Visually Rich Documents with Intra-Page Reflection and Inter-Page Connection

RECON 试图解决一个 text-only GraphRAG 没真正碰到的问题:面对 slides、图文报告、绘本这类 visually rich documents,单页检索远远不够,必须把页内多模态关系和跨页长程联系一起组织成 multimodal knowledge graph。

阅读论文卡片 ↗
2026摘要级
Enhancing Automated Short Answer Grading with GraphRAG

Enhancing Automated Short Answer Grading with GraphRAG

阅读论文卡片 ↗
2025PDF 级
Inference Scaled GraphRAG: Improving Multi Hop Question Answering on Knowledge Graphs

论文研究 GraphRAG 的推理时预算:在固定图接口和 Llama3.1-8B-Instruct 主设置下,同时增加单条轨迹的 reasoning-action 步数,并对多条采样轨迹做 majority voting,以改善多跳图问答。

阅读论文卡片 ↗
2026摘要级
Towards Robust RAG Based on Knowledge Graph - A Comparative Analysis

Towards Robust Retrieval-Augmented Generation Based on Knowledge Graph

阅读论文卡片 ↗
2026PDF 级
DOTRAG - Retrieval-Time Reasoning Along Paths

DOTRAG 把 GraphRAG 检索改写为 goal-constrained path-finding,在每个 query-specific DOT 工作区内用 LLM 生成路径约束、局部向量检索候选节点、Yen shortest paths 构造候选路径,再用 LLM 判断路径是否 partial / complete。

阅读论文卡片 ↗
2026PDF 级
S-Path-RAG: Semantic-Aware Shortest-Path Retrieval Augmented Generation for Multi-Hop Knowledge Graph Question Answering

S-Path-RAG 将多跳 KGQA 的检索对象从序列化文本路径转为带语义权重的候选路径集合:用可微 scorer 和 verifier 选择路径,把压缩后的 path latent 通过 cross-attention 注入冻结 LLM,并让 LLM 的诊断消息触发下一轮图编辑。

阅读论文卡片 ↗
2024PDF 级
HippoRAG: Neurobiologically Inspired Long-Term Memory for Large Language Models

HippoRAG 把文档级长期记忆建模为一个由 OpenIE 三元组、同义边和 passage 关联组成的“海马索引”,用 Personalized PageRank 一次传播完成多跳证据检索。

阅读论文卡片 ↗
2026PDF 级
GraphRAGProv: GraphRAG Meets How-Provenance

将查询结果的 how-provenance 多项式与源文本 occurrence 连接起来,检查“图上的答案如何由哪些原文陈述组合得到”。

阅读论文卡片 ↗
年份待核验摘要级
Graph-based RAG 研究脉络阅读报告

主要会议**: ICLR, NeurIPS, ACL, ICML, EMNLP, AAAI

阅读论文卡片 ↗
年份待核验摘要级
ReinPool: Reinforcement Learning Pooling Multi-Vector Embeddings for Retrieval System

ReinPool 不是重新训练一个更强的多向量检索模型,而是站在现有 multi-vector 表示之上,学习“哪些 token/patch 向量值得保留”,再把它们池化成单向量,从而在大幅压缩索引成本的同时尽量保住检索效果。

阅读论文卡片 ↗
2026PDF 级
Rethinking Agentic RAG - LLM-Driven Logical Retrieval Beyond Embeddings

LogicalRAG 让 LLM 用 Boolean logic、phrase matching、field targeting 和 matching granularity 表达检索意图,再用倒排索引忠实执行候选过滤,用 BM25 只负责候选集内排序。

阅读论文卡片 ↗
2026PDF 级
GraphSteal - Structural Knowledge Stealing from GraphRAG

GraphSteal 把 GraphRAG 视为结构化 oracle,通过黑盒多轮查询,把 LLM 输出中的实体和关系解析回图,并用 BFS/DFS 式 traversal reconstruction 恢复隐藏 KG。

阅读论文卡片 ↗
2026PDF 级
Core-based Hierarchies for Efficient GraphRAG

论文把 Microsoft GraphRAG 的 Leiden 社区层次替换为确定性的 k-core 层次,并用小社区合并和 round-robin token 预算控制,目标是在 global sensemaking 中减少层次构建和摘要成本。

阅读论文卡片 ↗
2024PDF 级
From Local to Global: A Graph RAG Approach to Query-Focused Summarization

Microsoft GraphRAG 的源头论文:以实体—关系图、层级社区和社区摘要替代单纯的局部向量检索,使系统能回答面向整个语料库的 global sensemaking 问题。

阅读论文卡片 ↗
2026PDF 级
HyperGraphPro - Progress-Aware Hypergraph RAG

HyperGraphPro 用结构引导的 hyperedge re-score 改善检索,再用 step progress reward 和 structure progress reward 调制 GRPO advantage,让 agent 在训练中获得“这一步是否让推理更接近答案、是否沿图结构连续前进”的稠密反馈。

阅读论文卡片 ↗
年份待核验摘要级
On the Theoretical Limitations of Embedding-Based Retrieval

On the Theoretical Limitations of Embedding-Based Retrieval

阅读论文卡片 ↗
2024PDF 级
RAPTOR: Recursive Abstractive Processing for Tree-Organized Retrieval

RAPTOR 不把检索限制在原始短 chunk,而是递归地对嵌入后的文本块聚类、摘要和再聚类,建立从细节到主题的树,在查询时同时检索不同抽象层级。

阅读论文卡片 ↗
2026PDF 级
IA-RAG - Interval-Algebra Temporal Reasoning for Dynamic Knowledge Retrieval

IA-RAG 把事实抽成带闭区间的 Interval Event Unit,并用 Allen’s Interval Algebra 构建层次 Thematic Forest,再按 query 的时间窗口做方向性 interval traversal,从而把时间推理从生成阶段前移到检索阶段。

阅读论文卡片 ↗
2026PDF 级
ChatP&ID - GraphRAG for Engineering Diagrams

ChatP&ID 把 P&ID 从视觉图像转换为 DEXPI 驱动的 flowsheet knowledge graph,再让 LLM agent 按 query 类型选择 ContextRAG、VectorRAG、PathRAG 或 CypherRAG,从而在精确性、成本和可解释工具轨迹之间折中。

阅读论文卡片 ↗
2026PDF 级
CrossAug - Cross-Chunk Graph Augmentation for GraphRAG

先用 GNN 识别可能缺失跨 chunk 关系的高价值子图,再只对这些区域调用 LLM 做 evidence-grounded completion。

阅读论文卡片 ↗
年份待核验摘要级
Medical Graph RAG: Towards Safe Medical Large Language Model via Graph Retrieval-Augmented Generation

Medical Graph RAG 可以看成 GraphRAG 在医学领域的一次“安全化改造”: 它不仅要回答得对,还要让回答可追溯到可信医学来源,并能同时给出专业术语定义与证据出处。

阅读论文卡片 ↗
2025PDF 级
LEGO-GraphRAG: Modularizing Graph-based Retrieval-Augmented Generation for Design Space Exploration

LEGO-GraphRAG 不是再提一个单独的 GraphRAG 算法,而是把 GraphRAG 拆成可组合的模块、方法类型和语义模型,做成一个 设计空间框架 + 实验测试床,系统分析质量、效率和成本之间的权衡。

阅读论文卡片 ↗
2026摘要级
CogitoRAG - Cognitive Gist-Driven RAG Framework

CogitoRAG: Cognitive Gist-Driven RAG Framework

阅读论文卡片 ↗
2025摘要级
Graph Retrieval-Augmented Generation: A Survey

以 Graph-Based Indexing、Graph-Guided Retrieval、Graph-Enhanced Generation 三阶段组织 GraphRAG 方法、训练、下游任务和评测,是现有知识库的综述入口。

阅读论文卡片 ↗
2026PDF 级
MemGraphRAG - Memory-based Multi-Agent GraphRAG

MemGraphRAG 把图构建改成由三层 Global Memory 支撑的多智能体协作过程,让抽取结果先进入共享记忆,再经过 schema 稳定、冲突裁决和跨层投影,最终形成可检索的层次图。

阅读论文卡片 ↗
年份待核验摘要级
GRAG: Graph Retrieval-Augmented Generation

GRAG 关注的是 textual graphs,不是传统知识图谱。它把 RAG 从“检索独立文档”推进到“检索文本子图”,再同时把文本视图和图视图送入 LLM,让模型既看到内容,也看到拓扑关系。

阅读论文卡片 ↗
年份待核验摘要级
RIGHT ANSWER AT THE RIGHT TIME: Temporal Retrieval-Augmented Generation via Graph Summarization

STAR-RAG 的核心不是“把时间戳加到普通 GraphRAG 里”,而是把 temporal KG 先压缩成一个时间对齐的规则图,再用带种子的 Personalized PageRank 只沿着“语义相关且时间上合理”的局部邻域扩散,从而同时提高正确率和降低 token 开销。

阅读论文卡片 ↗
年份待核验摘要级
研究报告:从节点相关性到可验证证据集合

Provenance-conditioned Proof-State Retrieval:让实体状态、关系路径和文档来源在同一个查询条件化的“证明状态”中联合演化,而不是先算实体分数、再独立聚合文档。

阅读论文卡片 ↗
2026PDF 级
Subgraph Reconstruction Attacks on Graph RAG Deployments

本文把 GraphRAG 结构泄露形式化为 targeted one-hop subgraph reconstruction,并证明在 safe prompt 已启用的部署中,攻击与防御的关键不只是“能否拒绝敏感请求”,而是 relation table 的实例边界、字段归属和多轮新关系收益。

阅读论文卡片 ↗
2026PDF 级
ArcRAG: Agentic Compositional Retrieval over Knowledge Graphs

把“检索器必须配合自己的构图方式”作为可检验假设,尝试在查询时诱导局部图接口,并以构图无关的方式规划和修复多跳 Cypher 检索。

阅读论文卡片 ↗
2025摘要级
Towards Practical GraphRAG - Efficient KG Construction and Hybrid Retrieval at Scale

Towards Practical GraphRAG: Efficient Knowledge Graph Construction and Hybrid Retrieval at Scale

阅读论文卡片 ↗
2026PDF 级
LiteSemRAG - Lightweight LLM-Free Semantic-Aware Graph Retrieval

LiteSemRAG 用 token-level contextual embeddings 构建 document / chunk / semantic / token 四层异构语义图,并通过 co-occurrence graph semantic retrieval + isolated semantic recovery 实现完全无 LLM 的语义感知图检索。

阅读论文卡片 ↗
主线 07 · 何时使用图,收益是否值得成本

什么问题需要显式图结构?它的检索、泛化或证据收益是否超过离线构建与在线搜索代价?

先看问题怎样推进,再点开任一步。

问题推进 · 01 / 04

GraphRAG 需要额外索引建设

遇到了什么瓶颈

实体关系抽取、图整理和索引维护带来前置成本。

方法如何回应

与扁平检索、层次检索和在线 agentic search 公平对照。

又留下什么问题

哪类多跳、全局或组合问题的图增益足以弥补总成本?

代表研究

论文卡片与专题笔记,点击查看证据边界
2026PDF 级
Do We Still Need GraphRAG - Agentic Search Benchmark

提出 RAGSearch,把 dense RAG 和多类 GraphRAG 都作为 agentic search 的 interchangeable retrieval backend,在统一 agent 控制协议下比较显式图结构与隐式交互结构的价值。

阅读论文卡片 ↗
年份待核验摘要级
Rethinking Chunk Size for Long-Document Retrieval: A Multi-Dataset Analysis

这篇论文真正重要的结论不是“块越大越好”或“块越小越好”,而是:chunk size 是数据集结构、答案局部性、文档长度、embedding 模型偏好共同决定的检索超参数,没有可跨场景复用的统一最优值。

阅读论文卡片 ↗
问题推进 · 02 / 04

成本发生在多个系统阶段

遇到了什么瓶颈

图检索、agent 轮数、模型后端与上下文预算共同决定质量和延迟。

方法如何回应

选择图与生成后端、控制搜索预算,报告阶段成本。

又留下什么问题

是否用同候选池、同 backbone 和同预算,才比较出公平收益?

代表研究

论文卡片与专题笔记,点击查看证据边界
2026PDF 级
GraphRAG-Router - Cost-Efficient Routing over GraphRAGs and LLMs

GraphRAG-Router 把检索后端选择和生成 LLM 选择拆成层次化动作,并用 SFT + 两阶段 RL 学习何时使用哪种 GraphRAG-LLM 组合。

阅读论文卡片 ↗
2026PDF 级
GraphRAG on Consumer Hardware - Local LLMs for Healthcare EHR Schema Retrieval

论文把 Microsoft GraphRAG 跑到单张 8GB VRAM 消费级 GPU 上,系统评估本地 LLM 在 EHR schema 检索中的索引、延迟、质量、幻觉和失败模式。

阅读论文卡片 ↗
问题推进 · 03 / 04

新领域改变证据形式与拓扑

遇到了什么瓶颈

真实长文、代码、表格、时间和图像证据不满足同一种图假设。

方法如何回应

对跨领域、跨模态、不同来源组织和不同构图方式评测。

又留下什么问题

可迁移的是某个模型、图结构偏置还是搜索控制策略?

代表研究

论文卡片与专题笔记,点击查看证据边界
2026PDF 级
Reliable Graph-RAG for Codebases - AST vs LLM Knowledge Graphs

把代码库 GraphRAG 的图构建从 LLM 抽取 KG 改成确定性 AST 派生图,用 Tree-sitter 构建窄 schema、可覆盖、可复现的代码结构图,再在 query-time 做双向邻域扩展和 interface-consumer expansion。

阅读论文卡片 ↗
2026PDF 级
SEM-RAG - Structure-Preserving Multimodal Graph Compilation

SEM-RAG 把电信标准先编译成可执行图原语,包括层级文本、条件表格子图和公式算子图,再用结构熵最小化构建层级索引,避免递归 LLM 聚类,并通过 JSD 对齐和轻量路由把自然语言问题映射到合适子图。

阅读论文卡片 ↗
2026PDF 级
TCAR-Gen - Temporal Graph Retrieval with Evidence Fusion

TCAR-Gen 用 query-conditioned context graph 缩小搜索空间,再用 temporal GNN attention、semantic-graph-time hybrid retrieval 和 Chain-of-Trees path fusion,让检索、推理和时间一致性约束共享同一张证据图。

阅读论文卡片 ↗
问题推进 · 04 / 04

系统选择成为研究对象

遇到了什么瓶颈

单一后端无法在所有问题和资源环境下保持最佳质量—成本权衡。

方法如何回应

研究问题复杂度、检索后端、结构强度和预算之间的路由。

又留下什么问题

路由依据是否可解释,错误选择的代价怎样校准?

代表研究

论文卡片与专题笔记,点击查看证据边界
2026PDF 级
GraphRAG-Router - Cost-Efficient Routing over GraphRAGs and LLMs

GraphRAG-Router 把检索后端选择和生成 LLM 选择拆成层次化动作,并用 SFT + 两阶段 RL 学习何时使用哪种 GraphRAG-LLM 组合。

阅读论文卡片 ↗
专题笔记
图的适用边界研究

关联研究笔记,具体论文主张请回到一手来源。

打开专题 ↗
放回同一个跨文档问答案例

若问题可由一份片段直接回答,构整张知识图可能不划算;若需要跨多份年报串起公司关系,显式结构可能帮助定位桥接证据。需要在匹配预算下检验,而不能预设 GraphRAG 总是更好。

判别实验 · 本库提出

同问题集、同生成器、同总预算,报告构图摊销、检索延迟、调用次数、上下文 tokens、支持集指标和答案质量;按单跳/跨文档/组合问题分层。

与其他主线的连接

成本不是最后才补的系统数字,而是表示、搜索、训练和适用性选择的一部分。

继续拓展 · 67 篇自动关联论文

依据 Q1—Q10 标签或 narrative_threads 归入;关联不等于该论文已人工定位到本主线的某个阶段。

2025PDF 级
GraphRAG-Bench: Challenging Domain-Specific Reasoning for Evaluating Graph Retrieval-Augmented Generation

用大学教材和领域化问题测试 GraphRAG 的构图、检索、生成及推理过程,补足传统 QA 基准过于简单、指标单一的问题。

阅读论文卡片 ↗
年份待核验摘要级
GeAR: Graph-enhanced Agent for Retrieval-augmented Generation

GeAR 试图把任何普通 retriever 升级成 graph-enhanced multi-hop retriever,再用一个带 gist memory 的 agent 循环逐步改写 query、扩展证据并完成多跳检索。

阅读论文卡片 ↗
2025PDF 级
HopRAG - Multi-Hop Reasoning for Logic-Aware Retrieval-Augmented Generation

HopRAG: Multi-Hop Reasoning for Logic-Aware Retrieval-Augmented Generation

阅读论文卡片 ↗
年份待核验摘要级
MED-COPILOT: A Medical Assistant Powered by GraphRAG and Similar Patient Case Retrieval

MED-COPILOT 的核心不是只把临床指南做成 GraphRAG,而是把 guideline-grounded GraphRAG 和 similar-patient retrieval 放到同一套医疗推理流程里:前者提供规范性证据,后者提供类病例类比证据。

阅读论文卡片 ↗
2026PDF 级
OMD-GraphRAG: Enhancing GraphRAG with Ontology-Guided Extraction, Multi-Dimensional Clustering and Dual-Channel Fusion

OMD-GraphRAG 在开源 GraphRAG/LightRAG 风格流程上,联合改变三个控制点:用本体约束知识抽取,用多维社区策略保留跨边界语义,再融合细粒度三元组检索和粗粒度社区报告检索。

阅读论文卡片 ↗
2026PDF 级
FastInsight - Fast and Insightful Retrieval via Fusion Operators for Graph RAG

FastInsight 把 GraphRAG 检索分解为基础算子和融合算子,用 GRanker 在 reranking 中融合拓扑邻域,用 STeX 在图扩展中融合语义相似度,从而在不依赖多轮 LLM 推理的情况下实现快速 Insightful Retrieval。

阅读论文卡片 ↗
2026PDF 级
TechGraphRAG - Agentic Graph-Augmented RAG Framework

把技术文献推理组织成多步骤 agentic pipeline,并用 evidence sufficiency rubric 驱动外部搜索、KG 遍历和再生成。

阅读论文卡片 ↗
年份待核验摘要级
From Matching to Generation: A Survey on Generative Information Retrieval

这篇综述把信息检索从“对查询和文档做匹配并排序”的传统范式,扩展为“由生成模型直接产生检索对象或响应”的 GenIR 范式,并系统梳理了生成式检索与可靠响应生成两条主线。

阅读论文卡片 ↗
2026PDF 级
STAR - Semantic-Tuned and Tail-Adaptive Retriever for GraphRAG

STAR 用 single-tower cross-attention 让 query 和 path 做 token-level interaction,并用 hard path mining + path-weighted contrastive loss 强化难负例和长尾路径,从而同时缓解 Semantic Shortcut Bias 和 Long-Tail Path Bias。

阅读论文卡片 ↗
2026摘要级
Graph-Augmented Reasoning with KG Retrieval

标题: Graph-Augmented Reasoning: Evolving Step-by-Step Knowledge Graph Retrieval for LLM Reasoning

阅读论文卡片 ↗
年份待核验摘要级
Beyond Chunks and Graphs: Retrieval-Augmented Generation through Triplet-Driven Thinking

T²RAG 的核心思想是:既然 multi-round RAG 太贵、GraphRAG 建图太重,那就把知识与推理状态都降到 triplet / proposition 粒度,让 LLM 围绕“带占位符的 searchable triplets”逐轮补全信息,而不是围绕长 chunk 或显式图遍历展开。

阅读论文卡片 ↗
年份待核验摘要级
关于嵌入式检索的理论局限性

原标题**: On the Theoretical Limitations of Embedding-Based Retrieval

阅读论文卡片 ↗
2024PDF 级
StructRAG: Boosting Knowledge Intensive Reasoning of LLMs via Inference-time Hybrid Information Structurization

StructRAG 的关键想法不是“统一用图”,而是在推理时先判断当前任务更适合什么结构,再把分散在长文档里的知识重组为表格、图、算法、目录或普通 chunk,并在这个结构上完成推理。

阅读论文卡片 ↗
2024PDF 级
G-Retriever: Retrieval-Augmented Generation for Textual Graph Understanding and Question Answering

G-Retriever 处理的不是普通文档库,而是带文本属性的图。它把“从图里找什么证据给 LLM”建模成连通子图检索问题,并用 Prize-Collecting Steiner Tree (PCST) 抽出最相关子图,再交给 GNN+LLM 回答问题。

阅读论文卡片 ↗
年份待核验摘要级
How Does Generative Retrieval Scale to Millions of Passages?

这篇论文检验生成式检索能否从约十万规模语料真正扩展到百万级:它在小语料上可与强双编码器竞争,但把整个语料“记入参数”后,百万级扩展仍是未解问题,不能仅靠放大模型或堆叠已有结构改造解决。

阅读论文卡片 ↗
2026PDF 级
WildGraphBench: Benchmarking GraphRAG with Wild-Source Corpora

用 Wikipedia 文章及其外部引用构造长、异质、带来源关系的语料,检验 GraphRAG 在更接近开放环境的证据聚合任务上的表现。

阅读论文卡片 ↗
2026PDF 级
BubbleRAG - Evidence-Driven RAG for Black-Box KGs

把 GraphRAG 检索形式化为 Optimal Informative Subgraph Retrieval,并用 semantic anchor grouping、bubble expansion、CEG ranking 和 reasoning-aware expansion 近似求解。

阅读论文卡片 ↗
2026PDF 级
PersonalAI 2.0 - Planning Graph Traversal for Personalized LLM Agents

PAI-2 把 GraphRAG 检索改造成“计划驱动的多轮图遍历”:每个 search step 先映射到图顶点,再生成多个 clue-query 控制 BeamSearch / WaterCircles 遍历,并用证据充分性判断是否增强后续计划。

阅读论文卡片 ↗
年份待核验摘要级
Biomedical Knowledge Graph-Optimized Prompt Generation for Large Language Models

这篇论文虽然官方标题没有直接写 KG-RAG,但提出的核心框架就是一个面向生物医学的 KG-RAG:从巨大的 SPOKE 知识图中抽取“对当前 prompt 真正有用的最小上下文”,再交给 LLM,以更少 token 获得更可靠的医学回答。

阅读论文卡片 ↗
2025PDF 级
LINEAR RAG: Linear Graph Retrieval Augmented Generation on Large-Scale Corpora

LinearRAG 的核心主张非常明确:GraphRAG 不必先抽 relation 才能做多跳检索。作者直接放弃关系抽取,构建一个只包含实体、句子、段落三层节点的 relation-free Tri-Graph,再通过“局部语义桥接 + 全局重要性聚合”完成单次检索下的多跳证据召回。

阅读论文卡片 ↗
年份待核验摘要级
REANO: Optimising Retrieval-Augmented Reader Models through Knowledge Graph Generation

REANO 不是做“整个语料库上的 GraphRAG”,而是在 retriever 之后、reader 之前,从已检索到的 passages 里动态生成一个局部知识图,用它增强 FiD 这类 reader 的多跳理解能力。

阅读论文卡片 ↗
年份待核验摘要级
Dynamic Chunking and Selection for Reading Comprehension of Ultra-Long Context in Large Language Models

这篇论文的核心不是“把 chunk 切得更灵活”这么简单,而是把 语义边界检测 和 问题感知选块 串成一个完整流程:先用句间语义差异找到更自然的切分点,再只保留对当前问题真正有帮助的 chunks,从而让基础 LLM 在超长阅读理解里更稳定地命中答案证据。

阅读论文卡片 ↗
2026PDF 级
TopoGraphRAG-Bench: Evaluating Multimodal GraphRAG on Layout-Grounded Evidence Reasoning

把多模态文档中的文字、表格、图像、标题和版面关系作为证据拓扑来评测,检验系统是否真的恢复了跨单元依赖,而不是只找到相关页面。

阅读论文卡片 ↗
2025PDF 级
E2GraphRAG: Streamlining Graph-based RAG for High Efficiency and Effectiveness

这篇论文的目标不是重新发明 GraphRAG,而是把它工程化、轻量化、可落地化:用 Summary Tree + Entity Graph + 双向索引 保留全局摘要和局部实体结构的优势,再用自适应路由自动决定走 local 还是 global retrieval,从而把 GraphRAG 的成本压下来。

阅读论文卡片 ↗
2026PDF 级
Lightfoot: Graph Retrieval-Augmented Generation with Exact, Model-Free Document Deletion

把 GraphRAG 的索引维护纳入研究对象:用 passage 级 provenance 让实体、事实和边可精确追溯,并支持无需模型调用的文档删除。

阅读论文卡片 ↗
2026PDF 级
Graph-R1 - Agentic GraphRAG via End-to-end Reinforcement Learning

Graph-R1 把 GraphRAG 形式化为 agent 在 knowledge hypergraph 环境中的多轮 think -> query -> retrieve -> rethink -> answer 轨迹,并用 GRPO 的端到端奖励训练检索与回答策略。

阅读论文卡片 ↗
2025PDF 级
LightRAG: Simple and Fast Retrieval-Augmented Generation

LightRAG 用轻量实体—关系图和向量表示组织文本索引,按 local/global 两个层级生成查询关键词并扩展邻域,以较低在线 token 成本兼顾具体事实和全局主题。

阅读论文卡片 ↗
2026摘要级
Graph-Based Approaches and Functionalities in Retrieval-Augmented Generation: A Comprehensive Survey

不把图的作用限制为知识图谱遍历,而是按数据库构建、检索算法、提示、流水线控制和任务功能分析图结构在 RAG 中承担的不同角色。

阅读论文卡片 ↗
2025PDF 级
MMGraphRAG - Interpretable Multimodal Knowledge Graphs

MMGraphRAG 把图片解析成 scene graph,再用 SpecLink 在视觉实体和文本实体之间生成高质量候选对齐,最终构建 node-based MMKG,让检索可以沿跨模态图路径取证据,而不是只用 caption 或 shared embedding。

阅读论文卡片 ↗
年份待核验摘要级
GRIL: Knowledge Graph Retrieval-Integrated Learning with Large Language Models

GRIL 的关键不是“再做一个图检索器”,而是把 graph retriever 与 LLM reasoner 做成可交互、端到端联合优化 的系统,让检索目标从“相关”变成“对最终推理有用”。

阅读论文卡片 ↗
年份待核验摘要级
Generative Dense Retrieval: Memory Can Be a Burden

GDR 不让生成式模型强行记住并唯一定位每篇文档,而是只生成相关文档簇;随后用无需参数记忆的稠密检索在簇内完成细粒度文档匹配,从而兼得生成式深度交互与稠密检索的可扩展性。

阅读论文卡片 ↗
2026PDF 级
Reasoning Bottleneck in Graph-RAG - Structured Prompting and Context Compression

这篇论文证明 GraphRAG 的瓶颈可以从“检索不到证据”转移到“证据已在上下文但模型不会用”,并用 SPARQL CoT、graph-walk compression 和 question-type routing 三个推理时增强模块缓解后检索推理失败。

阅读论文卡片 ↗
2025PDF 级
Query-Centric Graph Retrieval Augmented Generation

QCG-RAG 的核心思想是:GraphRAG 不一定非要围绕“实体”建图,也不必退回“文档”建图;可以围绕 由 chunk 生成出的 query / query-answer 意图节点 建图,用“检索意图粒度”在表达力和成本之间取中间解。

阅读论文卡片 ↗
年份待核验摘要级
Generative Retrieval Overcomes Limitations of Dense Retrieval but Struggles with Identifier Ambiguity

生成式检索能够绕开单向量稠密检索在复杂相关性组合上的表示瓶颈,但它把检索问题转化为“生成正确文档标识符”的解码问题;当相关文档之间的标识符不再可唯一预测时,这个新瓶颈会迅速显现。

阅读论文卡片 ↗
年份待核验摘要级
RECON: Multimodal GraphRAG for Visually Rich Documents with Intra-Page Reflection and Inter-Page Connection

RECON 试图解决一个 text-only GraphRAG 没真正碰到的问题:面对 slides、图文报告、绘本这类 visually rich documents,单页检索远远不够,必须把页内多模态关系和跨页长程联系一起组织成 multimodal knowledge graph。

阅读论文卡片 ↗
2026摘要级
Enhancing Automated Short Answer Grading with GraphRAG

Enhancing Automated Short Answer Grading with GraphRAG

阅读论文卡片 ↗
2026PDF 级
A2RAG - Adaptive Agentic Graph Retrieval

A2RAG 把 GraphRAG 检索改造成“先轻量、再桥接、最后全局扩散”的渐进式 agent,并用 answer-level Triple-Check 决定是否重写和重试。

阅读论文卡片 ↗
2026摘要级
Towards Robust RAG Based on Knowledge Graph - A Comparative Analysis

Towards Robust Retrieval-Augmented Generation Based on Knowledge Graph

阅读论文卡片 ↗
2026PDF 级
MOSAIC: Query-Aware Exploration Policy Adaptation for GraphRAG

将 GraphRAG 检索写成逐查询控制问题,让分析器根据问题需要决定 seed、遍历、停止和证据选择,而不是所有问题共用窄/中/宽搜索策略。

阅读论文卡片 ↗
2026PDF 级
S-Path-RAG: Semantic-Aware Shortest-Path Retrieval Augmented Generation for Multi-Hop Knowledge Graph Question Answering

S-Path-RAG 将多跳 KGQA 的检索对象从序列化文本路径转为带语义权重的候选路径集合:用可微 scorer 和 verifier 选择路径,把压缩后的 path latent 通过 cross-attention 注入冻结 LLM,并让 LLM 的诊断消息触发下一轮图编辑。

阅读论文卡片 ↗
2024PDF 级
HippoRAG: Neurobiologically Inspired Long-Term Memory for Large Language Models

HippoRAG 把文档级长期记忆建模为一个由 OpenIE 三元组、同义边和 passage 关联组成的“海马索引”,用 Personalized PageRank 一次传播完成多跳证据检索。

阅读论文卡片 ↗
2026PDF 级
LogicPoison - Logical Attacks on GraphRAG

LogicPoison 用“同类型实体循环置换”重写语料,使 GraphRAG 构建出的图拓扑被隐式污染,从而破坏多跳推理链,而不改变查询和 ground truth。

阅读论文卡片 ↗
2026PDF 级
NaviRAG - Active Knowledge Navigation for RAG

NaviRAG 把证据获取从 passive segment retrieval 改写成 active knowledge navigation:先把文档组织成可导航的 hierarchical Knowledge Tree,再让 LLM agent 在 query-time 先定位语义子树、再自顶向下逐步展开证据。

阅读论文卡片 ↗
年份待核验摘要级
Graph-based RAG 研究脉络阅读报告

主要会议**: ICLR, NeurIPS, ACL, ICML, EMNLP, AAAI

阅读论文卡片 ↗
年份待核验摘要级
ReinPool: Reinforcement Learning Pooling Multi-Vector Embeddings for Retrieval System

ReinPool 不是重新训练一个更强的多向量检索模型,而是站在现有 multi-vector 表示之上,学习“哪些 token/patch 向量值得保留”,再把它们池化成单向量,从而在大幅压缩索引成本的同时尽量保住检索效果。

阅读论文卡片 ↗
2026PDF 级
Rethinking Agentic RAG - LLM-Driven Logical Retrieval Beyond Embeddings

LogicalRAG 让 LLM 用 Boolean logic、phrase matching、field targeting 和 matching granularity 表达检索意图,再用倒排索引忠实执行候选过滤,用 BM25 只负责候选集内排序。

阅读论文卡片 ↗
2026PDF 级
GraphSteal - Structural Knowledge Stealing from GraphRAG

GraphSteal 把 GraphRAG 视为结构化 oracle,通过黑盒多轮查询,把 LLM 输出中的实体和关系解析回图,并用 BFS/DFS 式 traversal reconstruction 恢复隐藏 KG。

阅读论文卡片 ↗
2026PDF 级
Core-based Hierarchies for Efficient GraphRAG

论文把 Microsoft GraphRAG 的 Leiden 社区层次替换为确定性的 k-core 层次,并用小社区合并和 round-robin token 预算控制,目标是在 global sensemaking 中减少层次构建和摘要成本。

阅读论文卡片 ↗
2026PDF 级
GraphRAG-R1 - Process-Constrained Reinforcement Learning for GraphRAG

GraphRAG-R1 用支持 rollout-with-thinking 的 GRPO 训练 GraphRAG agent,并通过 PRA 奖励鼓励必要检索、CAF 奖励惩罚无效过度检索,再用三阶段训练避免格式、检索行为和答案质量目标互相冲突。

阅读论文卡片 ↗
2026PDF 级
XGRAG - Graph-Native Framework for Explaining KG-based RAG

XGRAG 把扰动解释从文本 token / sentence 提升到图节点和边,通过“扰动图组件 -> 重新生成答案 -> 比较语义变化”来估计每个 graph component 对答案的因果贡献。

阅读论文卡片 ↗
2024PDF 级
From Local to Global: A Graph RAG Approach to Query-Focused Summarization

Microsoft GraphRAG 的源头论文:以实体—关系图、层级社区和社区摘要替代单纯的局部向量检索,使系统能回答面向整个语料库的 global sensemaking 问题。

阅读论文卡片 ↗
2026PDF 级
CacheRAG - Semantic Caching for KGQA

CacheRAG 把 KGQA planner 从 stateless prompt 变成带语义计划缓存的 continual learner,用 ISR 解耦用户语言和物理 schema,用 Domain -> Aspect + MMR 取多样历史计划,再用有界图算子补全不足证据。

阅读论文卡片 ↗
2024PDF 级
RAPTOR: Recursive Abstractive Processing for Tree-Organized Retrieval

RAPTOR 不把检索限制在原始短 chunk,而是递归地对嵌入后的文本块聚类、摘要和再聚类,建立从细节到主题的树,在查询时同时检索不同抽象层级。

阅读论文卡片 ↗
2026PDF 级
CS-RAG - Robust GraphRAG over Imperfect KGs

CS-RAG 不试图先把 KG 修到完美,而是在检索时把问题拆成可执行原子约束,并用 Neff 判断每一跳的结构候选是否足够集中;集中则传播变量,不集中则转入文本恢复。

阅读论文卡片 ↗
2025PDF 级
FRAG: A Flexible Modular Framework for Retrieval-Augmented Generation based on Knowledge Graphs

FRAG 关注的是 KG-RAG 里一个很现实的矛盾: 模块化方法够灵活但检索质量不够,耦合方法检索更强但失去灵活性。它通过“先判断 query 复杂度,再切换检索流水线”的方式,试图同时保住灵活性和检索质量。

阅读论文卡片 ↗
2026PDF 级
Ex-GraphRAG - Interpretable Evidence Routing for Graph-Augmented LLMs

Ex-GraphRAG 用 M-GNAN 替换 GraphRAG 的黑盒 GNN encoder,让 encoder 输出可以精确分解到节点和特征组,从而审计哪些实体真正影响了图条件表示。

阅读论文卡片 ↗
2026PDF 级
ChatP&ID - GraphRAG for Engineering Diagrams

ChatP&ID 把 P&ID 从视觉图像转换为 DEXPI 驱动的 flowsheet knowledge graph,再让 LLM agent 按 query 类型选择 ContextRAG、VectorRAG、PathRAG 或 CypherRAG,从而在精确性、成本和可解释工具轨迹之间折中。

阅读论文卡片 ↗
年份待核验摘要级
Medical Graph RAG: Towards Safe Medical Large Language Model via Graph Retrieval-Augmented Generation

Medical Graph RAG 可以看成 GraphRAG 在医学领域的一次“安全化改造”: 它不仅要回答得对,还要让回答可追溯到可信医学来源,并能同时给出专业术语定义与证据出处。

阅读论文卡片 ↗
2025PDF 级
LEGO-GraphRAG: Modularizing Graph-based Retrieval-Augmented Generation for Design Space Exploration

LEGO-GraphRAG 不是再提一个单独的 GraphRAG 算法,而是把 GraphRAG 拆成可组合的模块、方法类型和语义模型,做成一个 设计空间框架 + 实验测试床,系统分析质量、效率和成本之间的权衡。

阅读论文卡片 ↗
2026摘要级
CogitoRAG - Cognitive Gist-Driven RAG Framework

CogitoRAG: Cognitive Gist-Driven RAG Framework

阅读论文卡片 ↗
2025摘要级
Graph Retrieval-Augmented Generation: A Survey

以 Graph-Based Indexing、Graph-Guided Retrieval、Graph-Enhanced Generation 三阶段组织 GraphRAG 方法、训练、下游任务和评测,是现有知识库的综述入口。

阅读论文卡片 ↗
年份待核验摘要级
CFT-RAG: An Entity Tree Based Retrieval Augmented Generation Algorithm With Cuckoo Filter

CFT-RAG 关注的不是“怎样让 Tree-RAG 更会推理”,而是“怎样让 Tree-RAG 在大规模实体树上查得足够快”。它把改进版 Cuckoo Filter 直接嵌入实体树检索流程,用 fingerprint + block linked list + temperature sorting 把实体定位从树遍历变成近似 O(1) 的桶查找。

阅读论文卡片 ↗
2026PDF 级
MemGraphRAG - Memory-based Multi-Agent GraphRAG

MemGraphRAG 把图构建改成由三层 Global Memory 支撑的多智能体协作过程,让抽取结果先进入共享记忆,再经过 schema 稳定、冲突裁决和跨层投影,最终形成可检索的层次图。

阅读论文卡片 ↗
年份待核验摘要级
GRAG: Graph Retrieval-Augmented Generation

GRAG 关注的是 textual graphs,不是传统知识图谱。它把 RAG 从“检索独立文档”推进到“检索文本子图”,再同时把文本视图和图视图送入 LLM,让模型既看到内容,也看到拓扑关系。

阅读论文卡片 ↗
年份待核验摘要级
RIGHT ANSWER AT THE RIGHT TIME: Temporal Retrieval-Augmented Generation via Graph Summarization

STAR-RAG 的核心不是“把时间戳加到普通 GraphRAG 里”,而是把 temporal KG 先压缩成一个时间对齐的规则图,再用带种子的 Personalized PageRank 只沿着“语义相关且时间上合理”的局部邻域扩散,从而同时提高正确率和降低 token 开销。

阅读论文卡片 ↗
2026PDF 级
LLM-Wiki - Retrieval as Reasoning via Self-Evolving Agent-Native Retrieval

LLM-Wiki 把外部语料编译成可读、可搜索、可沿双向链接遍历、可通过 Error Book 自修复的 Wiki,让 retrieval 从隐藏 ranking step 变成 agent 的显式推理过程。

阅读论文卡片 ↗
2026PDF 级
ArcRAG: Agentic Compositional Retrieval over Knowledge Graphs

把“检索器必须配合自己的构图方式”作为可检验假设,尝试在查询时诱导局部图接口,并以构图无关的方式规划和修复多跳 Cypher 检索。

阅读论文卡片 ↗

七条主线,一起看

从表示与检索对象,到动态搜索、证据集合、训练、验证和适用边界。

01 · 图应该保留什么信息
文本片段彼此孤立关系抽取昂贵且可能失真二元边可能拆散联合事实从统一构图走向任务匹配
02 · 检索器实际要找什么
从相似文本找种子利用拓扑补关联从单图检索走向可迁移检索从实体结果回到原文文档
03 · 搜索如何随新证据改变
固定查询一次性扩展多轮检索与推理查询状态由证据驱动更新搜索停止与漂移控制
04 · 相关证据怎样组成充分集合
候选相关不等于答案所需节点/路径目标与文档目标分离支持集合存在冗余与缺项不完美图上的集合编辑
05 · 训练信号怎样改变系统
手工规则难以覆盖查询差异最终奖励难以归因到中间步骤检索与生成目标可能错位图构建策略本身也影响下游
06 · 如何确认检索可靠且证据被使用
终端答案分数无法定位失效可解释路径不等于因果使用图可能缺失、错误或被污染基准可能只测特定整理任务
07 · 何时使用图,收益是否值得成本
GraphRAG 需要额外索引建设成本发生在多个系统阶段新领域改变证据形式与拓扑系统选择成为研究对象
回到核心连接

从图上可达,走向可验证的证据获取。

表示 → 检索对象 → 动态状态 → 证据集合 → 学习信号 → 可靠性 → 成本边界。

这是本库提出的分析链。定位失败发生在哪一环,再选择改表示、管理策略、执行方式或评价规则。

组织方式借鉴用户共享的 GraphRAG 对话,论文主张仍以本知识库卡片与一手来源为准。新增论文自动进入关联阅读;阶段定位由 Markdown 表格人工维护。