GGraphRAG 文献图谱自动同步
LIT-A972A36E · 2026

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。

PDF 级阅读卡优先级 P0Jinyoung Park, Sanghyeok Lee, Omar Zia Khan, Hyunwoo J. Kim, Joo-Kyung KimarXiv preprint,Under review
内容状态:PDF 级阅读卡。结构化摘录继承当前知识库的来源等级;具体 claim 应回到一手论文核验。

研究问题与动机

  • 研究问题:RL-based Agentic GraphRAG 让 LLM 在多轮推理中调用图检索工具,但现有方法常把检索看成语义相似度匹配,把训练奖励看成最终答案是否正确,难以学习“哪一步检索真正推动了多跳推理”。

  • 为什么重要:多跳 QA 的失败经常不是缺少语义相关文本,而是证据链不连贯、检索跳到孤立事实、或中间检索虽然看似相关但没有把推理推进到答案。GraphRAG 的训练信号需要同时看结构连通性和中间进展。

  • 现有路线:

  • 对本知识库的意义:HyperGraphPro 把 OP-10 的 “planning-guided traversal attribution” 和 OP-9 的 “evidence subgraph/path optimization” 合并到训练信号里:它不仅问“检索几次”,还问“当前 hyperedge 是否结构上接续前一步,并是否让答案概率上升”。

  • Semantic-only retrieval 不够:只按 query / hyperedge embedding 相似度检索,容易选到语义相关但结构上不接续的事实。

  • Outcome-level reward 太稀疏:最终答案正确性不能告诉模型哪一个中间 query、哪条 hyperedge 或哪一步 graph context 对成功有贡献。

  • Credit assignment 不细:多轮轨迹中早期检索决定后续是否可行,但标准 GRPO 对整条输出使用同一个 trajectory-level advantage,容易强化偶然成功的噪声路径。

  • Graph structure 没进入 dense reward:现有过程奖励常约束格式、检索次数或答案 F1,较少直接奖励“当前检索是否沿着知识图谱连通链推进”。

方法与机制

1. 总体框架:Hypergraph construction -> structure-guided retrieval -> stepwise RL

输入:问题 $x$、知识语料 $\mathcal{K}={d_1,\ldots,d_N}$、由语料抽取的知识超图 $G_K=(V,E)$、策略模型 $\pi_\theta$、参考模型 $\pi_{ref}$。

计算链路:

  1. Hypergraph construction:用 LLM extractor 把文档片段转成 hyperedge 与实体集合:
G_K=(V,E),\quad \{(e_i,V_{e_i})\}_{i=1}^{m}\sim \pi_{ext}(d)

其中 $e_i$ 是一个 hyperedge,$V_{e_i}={v_1,\ldots,v_n}$ 是参与该 n-ary fact 的实体。

  1. Multi-turn agent:LLM 在第 $t$ 步生成检索 query $q_t$,调用 hypergraph retriever 得到事实集合 $F_t^{ret}$,再继续推理。
  2. Structure-guided retrieval:retriever 结合实体语义相关性和 query-conditioned structural distinctiveness 重排 hyperedges。
  3. Step progress-aware policy optimization:训练时把每一步的答案概率增量、结构连通性和答案实体命中作为 step-level reward,调制 GRPO advantage。

输出:一个能在知识超图上多轮检索、减少结构漂移并生成答案的 GraphRAG agent。

直观解释:HyperGraphPro 的核心不是“多一个超图索引”,而是让检索排序和 RL 奖励都看见图结构。

2. Structure-guided hypergraph retrieval:语义相关 + 结构区分度

输入:第 $t$ 步 query $q_t$、query 中识别出的实体集合 $V(q_t)$、知识超图 $G_K=(V,E)$、embedding function $\phi(\cdot)$。

计算链路:

  1. Entity-query semantic relevance:先计算 query entity 聚合向量:
\phi(V(q_t))=\frac{1}{|V(q_t)|}\sum_{u\in V(q_t)}\phi(u)

然后计算实体 $v$ 与当前 query entity set 的语义相似度:

s_t(v)=sim(\phi(v),\phi(V(q_t))),\quad \forall v\in V
  1. Query-conditioned distinctiveness:先找和当前 query entity 相邻的 hyperedges:
E(q_t)=\{e\in E\mid V_e\cap V(q_t)\neq\varnothing\}

再计算实体 $v$ 在 query-neighborhood 中的相对区分度:

I_t(v)=\log\left(1+\frac{|\{e\in E(q_t)\mid v\in V_e\}|}{|\{e\in E\mid v\in V_e\}|}\right)

直观解释:如果一个实体在全图里到处出现,它即使语义相似也不一定有判别力;如果它集中出现在当前 query 附近的 hyperedges 中,就更可能推动当前多跳检索。

  1. Hyperedge re-scoring:对候选 hyperedge $e$ 内实体的语义相关性做归一化:
\tilde{s}_t(v,e)=\frac{s_t(v)}{\sum_{u\in V_e}s_t(u)},\quad v\in V_e

结合结构区分度得到实体贡献:

r_t(v,e)=\tilde{s}_t(v,e)\cdot I_t(v)

再汇总为 hyperedge score:

R_t(e)=\sum_{v\in V_e}r_t(v,e)
  1. Top-k retrieval:
E_t^{ret}=TopK_{e\in E}R_t(e),\quad F_t^{ret}=\bigcup_{e\in E_t^{ret}}\{(e,V_e)\}

输出:既语义相关、又在 hypergraph 上更有结构判别力的 retrieved facts。

3. Step progress-aware reward:奖励推理进度,而不是只奖励最终答案

输入:第 $t$ 步之前的状态 $s_{<t}$、第 $t$ 步后状态 $s_{\le t}$、之前检索到的图上下文 $G_{<t}$、当前检索后上下文 $G_{\le t}$、gold answer $y^*$。

计算链路:

  1. Step progress reward:看当前 step 是否提升了到达 gold answer 的概率:
r_t^{sp}=P(y^*|s_{\le t},G_{\le t})-P(y^*|s_{<t},G_{<t})

论文用 sampling 多个输出并平均 outcome reward 来估计这个概率变化。

  1. Connectivity reward:看当前 retrieved hyperedge $G_t$ 是否和之前 reasoning state 共享实体:
r_t^{con}=\frac{|V(G_t)\cap V(s_{<t})|}{|V(G_t)|}
  1. Answer reachness reward:看当前 retrieved hyperedge 是否包含答案实体:
r_t^{ans}=\frac{|V(G_t)\cap V(y^*)|}{|V(G_t)|}

原始笔记摘录已截断;请打开来源笔记阅读完整内容。

证据与结果

1. 主结果:HyperGraphPro 超过 Graph-R1 和 Search-R1

Table 1 显示,在 Qwen2.5-3B 上,HyperGraphPro 平均 F1 为 54.56,高于 Graph-R1 的 49.89;在 Qwen2.5-7B 上,平均 F1 为 59.38,高于 Graph-R1 的 55.94。提升主要来自 2Wiki、HotpotQA、MuSiQue 这类多跳任务,NQ 单跳任务提升较小,说明方法主要解决多步结构推理。

2. 小模型和消融:结构检索与 progress-aware PO 都有贡献

Table 2 说明在 Qwen3-0.6B 和 Qwen3-1.7B 上,HyperGraphPro 仍优于 Search-R1 和 Graph-R1,说明不是只对 Qwen2.5 特定模型有效。Table 3 显示 structure-guided retrieval 和 progress-aware policy optimization 单独打开都有提升,合并后最好;Table 4 进一步说明 step progress 和 structure progress 是互补信号。

3. 检索与效率:结构信号提高 F1,同时减少 reasoning turns

Table 5 对比不同 retrieval strategy:只用 knowledge corpus / hyperedge context 不如 Graph-R1,而 HyperGraphPro 的 context + structure 组合在 2Wiki 和 MuSiQue 上最高。Table 6 显示 HyperGraphPro 没有直接把 turn count 作为 reward,却比 Graph-R1 用更少 turns 得到更高 F1;这说明结构检索和 step reward 减少了无效绕路。

4. Case study:减少 redundant / conflicting reasoning

Table 7 的例子中,Graph-R1 已经检索到 Alabama special election 的正确信息,但后续又泛化到美国参议院常规选举日,最终答错。HyperGraphPro 在确认 Taylor Hicks 来自 Alabama 后直接使用 special election 证据回答 2017-12-12,说明它改善的不只是 retrieval recall,也包括后检索 reasoning drift。

局限与开放问题

  • 缺少代码和可复现实验细节:论文未直接给出官方代码链接,当前只能从 PDF 判断算法和结果,复现实验需要后续查仓库或作者页面。

  • Reward 依赖 gold answer/entity:$r_t^{sp}$、$r_t^{ans}$ 在训练中需要 gold answer 或 outcome reward;开放域、弱监督或无标准答案任务中如何构造 progress signal 仍不清楚。

  • 图构建仍依赖 LLM extractor:论文关注 retrieval 和 RL policy,hypergraph extraction 的质量、成本和噪声传播没有成为主实验变量。

  • 结构奖励可能偏向实体重叠:$r_t^{con}$ 和 $r_t^{ans}$ 用 entity overlap 衡量结构进展,未充分处理 relation semantics、时间约束、qualifier 或 n-ary fact 内角色差异。

  • 数据集仍以 QA 为主:2Wiki、HotpotQA、MuSiQue、NQ 能验证多跳 QA,但还不能证明在企业文档、工程图纸、标准文档、代码库等结构化场景中的稳定性。

  • 没有细粒度失败归因表:论文展示了主结果、消融和一个案例,但没有系统统计失败来自 anchor miss、hyperedge miss、progress reward 误判、结构断链还是 final synthesis。

  • 与 GraphRAG-R1 / PRoH 对照:把 PRA / CAF、PRoH EWO、HyperGraphPro step reward 放在同一环境下比较,区分“检索次数控制”“超图路径规划”“结构进度奖励”的真实贡献。

  • Progress reward without gold answer:研究弱监督或 verifier-based progress signal,用 entailment、evidence sufficiency、answer verifier 或 citation gain 替代 gold answer entity overlap。

  • Structure-aware retrieval diagnostics:记录每一步的 query entity、candidate hyperedges、$I_t(v)$、$R_t(e)$、$r_t^{con}$、$r_t^{ans}$ 和最终使用证据,形成 OP-10 的 trajectory attribution schema。

  • Robust hypergraph construction:结合 CrossAug - Cross-Chunk Graph Augmentation for GraphRAG 和 CS-RAG - Robust GraphRAG over Imperfect KGs,检查 hypergraph 抽取缺边、错边、hub entity 对 progress reward 的影响。

  • Extend beyond QA:在标准文档、企业流程、工程图纸、代码库和医学 guideline 上验证 step progress reward 是否仍能稳定指导检索。

关联与拓展

研究问题入口

Q2 图构建与表示, Q3 证据检索与集合形成, Q4 查询规划与执行, Q5 动态状态与学习策略, Q6 证据来源与可解释性

展开原始论文笔记全文

基本信息

  • 英文标题:HyperGraphPro: Progress-Aware Reinforcement Learning for Structure-Guided Hypergraph RAG
  • 中文标题:HyperGraphPro:面向结构引导超图 RAG 的进度感知强化学习
  • 方法名:HyperGraphPro
  • 作者:Jinyoung Park, Sanghyeok Lee, Omar Zia Khan, Hyunwoo J. Kim, Joo-Kyung Kim
  • 机构:KAIST, Microsoft, Amazon
  • 年份:2026
  • 会议:arXiv preprint,Under review
  • 版本:arXiv v2,2026-04-12;初版 2026-01-25
  • 链接:arXiv
  • DOI:https://doi.org/10.48550/arXiv.2601.17755
  • PDF:查看论文原文
  • 代码链接:论文正文和 arXiv 页面未直接标注,2026-06-09 搜索未确认官方仓库,待复查。
  • Semantic Scholar:2026-06-09 本轮查询触发 429,citation / CorpusId 待复查。
  • 阅读状态:PDF级
  • 所属方向:Agentic GraphRAG、Hypergraph RAG、progress-aware RL、step-level reward、structure-guided retrieval
  • 优先级:P0

Background

  • 研究问题:RL-based Agentic GraphRAG 让 LLM 在多轮推理中调用图检索工具,但现有方法常把检索看成语义相似度匹配,把训练奖励看成最终答案是否正确,难以学习“哪一步检索真正推动了多跳推理”。
  • 为什么重要:多跳 QA 的失败经常不是缺少语义相关文本,而是证据链不连贯、检索跳到孤立事实、或中间检索虽然看似相关但没有把推理推进到答案。GraphRAG 的训练信号需要同时看结构连通性和中间进展。
  • 现有路线:
  • 对本知识库的意义:HyperGraphPro 把 OP-10 的 “planning-guided traversal attribution” 和 OP-9 的 “evidence subgraph/path optimization” 合并到训练信号里:它不仅问“检索几次”,还问“当前 hyperedge 是否结构上接续前一步,并是否让答案概率上升”。

Gap

  • Semantic-only retrieval 不够:只按 query / hyperedge embedding 相似度检索,容易选到语义相关但结构上不接续的事实。
  • Outcome-level reward 太稀疏:最终答案正确性不能告诉模型哪一个中间 query、哪条 hyperedge 或哪一步 graph context 对成功有贡献。
  • Credit assignment 不细:多轮轨迹中早期检索决定后续是否可行,但标准 GRPO 对整条输出使用同一个 trajectory-level advantage,容易强化偶然成功的噪声路径。
  • Graph structure 没进入 dense reward:现有过程奖励常约束格式、检索次数或答案 F1,较少直接奖励“当前检索是否沿着知识图谱连通链推进”。

Insight

  • 一句话创新点: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。
  • 核心洞察:
    • 好的 GraphRAG 检索必须同时相关和连通:semantic relevance 负责“像不像当前问题”,structural distinctiveness 负责“是否是当前 query 附近有区分度的实体 / hyperedge”。
    • 多跳推理的 reward 应该 step-level:每一步都可用答案概率增量和结构连通性给信号,而不是等最终答案才判断。
    • Hypergraph 比普通二元图更适合 n-ary facts,但必须有对应的 retrieval scoring 和 RL credit assignment,否则只是换了索引表示。

Method

1. 总体框架:Hypergraph construction -> structure-guided retrieval -> stepwise RL

输入:问题 $x$、知识语料 $\mathcal{K}={d_1,\ldots,d_N}$、由语料抽取的知识超图 $G_K=(V,E)$、策略模型 $\pi_\theta$、参考模型 $\pi_{ref}$。

计算链路:

  1. Hypergraph construction:用 LLM extractor 把文档片段转成 hyperedge 与实体集合:
G_K=(V,E),\quad \{(e_i,V_{e_i})\}_{i=1}^{m}\sim \pi_{ext}(d)

其中 $e_i$ 是一个 hyperedge,$V_{e_i}={v_1,\ldots,v_n}$ 是参与该 n-ary fact 的实体。

  1. Multi-turn agent:LLM 在第 $t$ 步生成检索 query $q_t$,调用 hypergraph retriever 得到事实集合 $F_t^{ret}$,再继续推理。
  2. Structure-guided retrieval:retriever 结合实体语义相关性和 query-conditioned structural distinctiveness 重排 hyperedges。
  3. Step progress-aware policy optimization:训练时把每一步的答案概率增量、结构连通性和答案实体命中作为 step-level reward,调制 GRPO advantage。

输出:一个能在知识超图上多轮检索、减少结构漂移并生成答案的 GraphRAG agent。

直观解释:HyperGraphPro 的核心不是“多一个超图索引”,而是让检索排序和 RL 奖励都看见图结构。

2. Structure-guided hypergraph retrieval:语义相关 + 结构区分度

输入:第 $t$ 步 query $q_t$、query 中识别出的实体集合 $V(q_t)$、知识超图 $G_K=(V,E)$、embedding function $\phi(\cdot)$。

计算链路:

  1. Entity-query semantic relevance:先计算 query entity 聚合向量:
\phi(V(q_t))=\frac{1}{|V(q_t)|}\sum_{u\in V(q_t)}\phi(u)

然后计算实体 $v$ 与当前 query entity set 的语义相似度:

s_t(v)=sim(\phi(v),\phi(V(q_t))),\quad \forall v\in V
  1. Query-conditioned distinctiveness:先找和当前 query entity 相邻的 hyperedges:
E(q_t)=\{e\in E\mid V_e\cap V(q_t)\neq\varnothing\}

再计算实体 $v$ 在 query-neighborhood 中的相对区分度:

I_t(v)=\log\left(1+\frac{|\{e\in E(q_t)\mid v\in V_e\}|}{|\{e\in E\mid v\in V_e\}|}\right)

直观解释:如果一个实体在全图里到处出现,它即使语义相似也不一定有判别力;如果它集中出现在当前 query 附近的 hyperedges 中,就更可能推动当前多跳检索。

  1. Hyperedge re-scoring:对候选 hyperedge $e$ 内实体的语义相关性做归一化:
\tilde{s}_t(v,e)=\frac{s_t(v)}{\sum_{u\in V_e}s_t(u)},\quad v\in V_e

结合结构区分度得到实体贡献:

r_t(v,e)=\tilde{s}_t(v,e)\cdot I_t(v)

再汇总为 hyperedge score:

R_t(e)=\sum_{v\in V_e}r_t(v,e)
  1. Top-k retrieval:
E_t^{ret}=TopK_{e\in E}R_t(e),\quad F_t^{ret}=\bigcup_{e\in E_t^{ret}}\{(e,V_e)\}

输出:既语义相关、又在 hypergraph 上更有结构判别力的 retrieved facts。

3. Step progress-aware reward:奖励推理进度,而不是只奖励最终答案

输入:第 $t$ 步之前的状态 $s_{<t}$、第 $t$ 步后状态 $s_{\le t}$、之前检索到的图上下文 $G_{<t}$、当前检索后上下文 $G_{\le t}$、gold answer $y^*$。

计算链路:

  1. Step progress reward:看当前 step 是否提升了到达 gold answer 的概率:
r_t^{sp}=P(y^*|s_{\le t},G_{\le t})-P(y^*|s_{<t},G_{<t})

论文用 sampling 多个输出并平均 outcome reward 来估计这个概率变化。

  1. Connectivity reward:看当前 retrieved hyperedge $G_t$ 是否和之前 reasoning state 共享实体:
r_t^{con}=\frac{|V(G_t)\cap V(s_{<t})|}{|V(G_t)|}
  1. Answer reachness reward:看当前 retrieved hyperedge 是否包含答案实体:
r_t^{ans}=\frac{|V(G_t)\cap V(y^*)|}{|V(G_t)|}
  1. Structure reward:
r_t^{struct}=r_t^{con}+r_t^{ans}
  1. Total step-level reward:
R_t=r_{outcome}+\lambda_1 r_t^{sp}+\lambda_2 r_t^{struct}

输出:每一步都有 dense learning signal,能区分“这一步有用”“这一步结构上断开”“这一步虽然最终答对但中间证据弱”等情况。

4. Stepwise GRPO:用 step-level reward 调制 advantage

输入:同一问题采样的一组 trajectory ${y^{(i)}}{i=1}^{N}$、old policy $\pi{old}$、current policy $\pi_\theta$、reference policy $\pi_{ref}$、step-level modulated advantage $\tilde{A}^{(i)}_t$。

计算链路:

J_{StepGRPO}(\theta)= \mathbb{E}\left[ \frac{1}{|y^{(i)}|}\sum_t \min\left( \hat{r}^{(i)}_t\tilde{A}^{(i)}_t, clip(\hat{r}^{(i)}_t,1-\epsilon,1+\epsilon)\tilde{A}^{(i)}_t \right) -\beta D_{KL}(\pi_\theta||\pi_{ref}) \right]

其中:

\hat{r}^{(i)}_t= \frac{\pi_\theta(y_t^{(i)}|x,y_{<t}^{(i)};G_K)} {\pi_{old}(y_t^{(i)}|x,y_{<t}^{(i)};G_K)}

输出:policy update 不再把整条轨迹的 reward 平均涂到所有 token 上,而是让局部 reasoning / retrieval decision 得到更贴近其贡献的 advantage。

Results

1. 主结果:HyperGraphPro 超过 Graph-R1 和 Search-R1

HyperGraphPro-table1-main-results

Table 1 显示,在 Qwen2.5-3B 上,HyperGraphPro 平均 F1 为 54.56,高于 Graph-R1 的 49.89;在 Qwen2.5-7B 上,平均 F1 为 59.38,高于 Graph-R1 的 55.94。提升主要来自 2Wiki、HotpotQA、MuSiQue 这类多跳任务,NQ 单跳任务提升较小,说明方法主要解决多步结构推理。

2. 小模型和消融:结构检索与 progress-aware PO 都有贡献

HyperGraphPro-table2-qwen3-table3-table4-ablation

Table 2 说明在 Qwen3-0.6B 和 Qwen3-1.7B 上,HyperGraphPro 仍优于 Search-R1 和 Graph-R1,说明不是只对 Qwen2.5 特定模型有效。Table 3 显示 structure-guided retrieval 和 progress-aware policy optimization 单独打开都有提升,合并后最好;Table 4 进一步说明 step progress 和 structure progress 是互补信号。

3. 检索与效率:结构信号提高 F1,同时减少 reasoning turns

HyperGraphPro-table5-table6-retrieval-efficiency

Table 5 对比不同 retrieval strategy:只用 knowledge corpus / hyperedge context 不如 Graph-R1,而 HyperGraphPro 的 context + structure 组合在 2Wiki 和 MuSiQue 上最高。Table 6 显示 HyperGraphPro 没有直接把 turn count 作为 reward,却比 Graph-R1 用更少 turns 得到更高 F1;这说明结构检索和 step reward 减少了无效绕路。

4. Case study:减少 redundant / conflicting reasoning

HyperGraphPro-table7-qualitative-case

Table 7 的例子中,Graph-R1 已经检索到 Alabama special election 的正确信息,但后续又泛化到美国参议院常规选举日,最终答错。HyperGraphPro 在确认 Taylor Hicks 来自 Alabama 后直接使用 special election 证据回答 2017-12-12,说明它改善的不只是 retrieval recall,也包括后检索 reasoning drift。

Limitations

  • 缺少代码和可复现实验细节:论文未直接给出官方代码链接,当前只能从 PDF 判断算法和结果,复现实验需要后续查仓库或作者页面。
  • Reward 依赖 gold answer/entity:$r_t^{sp}$、$r_t^{ans}$ 在训练中需要 gold answer 或 outcome reward;开放域、弱监督或无标准答案任务中如何构造 progress signal 仍不清楚。
  • 图构建仍依赖 LLM extractor:论文关注 retrieval 和 RL policy,hypergraph extraction 的质量、成本和噪声传播没有成为主实验变量。
  • 结构奖励可能偏向实体重叠:$r_t^{con}$ 和 $r_t^{ans}$ 用 entity overlap 衡量结构进展,未充分处理 relation semantics、时间约束、qualifier 或 n-ary fact 内角色差异。
  • 数据集仍以 QA 为主:2Wiki、HotpotQA、MuSiQue、NQ 能验证多跳 QA,但还不能证明在企业文档、工程图纸、标准文档、代码库等结构化场景中的稳定性。
  • 没有细粒度失败归因表:论文展示了主结果、消融和一个案例,但没有系统统计失败来自 anchor miss、hyperedge miss、progress reward 误判、结构断链还是 final synthesis。

Future Directions

  • 与 GraphRAG-R1 / PRoH 对照:把 PRA / CAF、PRoH EWO、HyperGraphPro step reward 放在同一环境下比较,区分“检索次数控制”“超图路径规划”“结构进度奖励”的真实贡献。
  • Progress reward without gold answer:研究弱监督或 verifier-based progress signal,用 entailment、evidence sufficiency、answer verifier 或 citation gain 替代 gold answer entity overlap。
  • Structure-aware retrieval diagnostics:记录每一步的 query entity、candidate hyperedges、$I_t(v)$、$R_t(e)$、$r_t^{con}$、$r_t^{ans}$ 和最终使用证据,形成 OP-10 的 trajectory attribution schema。
  • Robust hypergraph construction:结合 CrossAug - Cross-Chunk Graph Augmentation for GraphRAG 和 CS-RAG - Robust GraphRAG over Imperfect KGs,检查 hypergraph 抽取缺边、错边、hub entity 对 progress reward 的影响。
  • Extend beyond QA:在标准文档、企业流程、工程图纸、代码库和医学 guideline 上验证 step progress reward 是否仍能稳定指导检索。

与本知识库的连接

一句话定位

HyperGraphPro 是“结构进度奖励版 GraphRAG RL”:它用 query-conditioned hyperedge re-score 让检索更贴近超图连通性,再用 step progress / structure progress 调制 GRPO,使多跳 GraphRAG agent 学会沿结构证据链逐步推进,而不是只靠最终答案奖励。