研究问题与动机
大多数 GraphRAG 检索器和自己的构图管线一起设计:节点类型、关系词汇、边方向、来源字段和查询操作都写死在系统里。论文把这个耦合改写成 portability 问题:同一个检索系统能否在构图方式改变时仍工作?ArcRAG 通过每个问题临时诱导局部图接口,让系统先探索目标实体附近实际存在的标签、关系和属性,再规划可执行的多跳 Cypher。
- 局部接口诱导是否依赖实体链接和 schema 描述质量?
- 固定配置的“构图无关”比较是否真正控制了图规模、边密度和来源 provenance?
- retry/pass 预算增加时,修复成功与错误路径扩散如何权衡?
方法与机制
实验在相同 MuSiQue、HotpotQA、TriviaQA 语料上冻结两类图:
- FinReflectKG:schema-guided typed graph,逐 chunk 抽取 triple,再用 reflection 检查来源忠实度;关系集合封闭,有 chunk provenance。
- HippoRAG OpenIE:开放信息抽取图,关系是自由文本,实体通过 embedding synonym edge 连接,图是全语料叠加,缺少 chunk provenance。
ArcRAG 的运行链为 explore → plan → generate → synthesize:先以问题实体为 anchor 做只读局部 Cypher 探索,得到 query-local interface;Planner 生成有限个子计划;Generator 将子计划编译为只读 Cypher,遇到空结果、未绑定变量等错误时在预算内修复;最后把 witness 子图/来源行交给回答器。若答案证据不足,系统生成 follow-up query,开启下一轮探索。代码固定查询格式、验证、错误判定和各类预算,LLM 只决定局部关系、路径、子计划和是否继续。
证据与结果
论文不提供 gold passage、gold entity 或 gold hop count。MuSiQue 最多四跳,HotpotQA 主要两跳,TriviaQA 主要单跳,后者作为少量遍历需求的控制。主指标是 EM,另报告 token F1;另以 100 题分层样本做 retry/pass、exploration 和 planning 消融。
- 加入 Explorer 后,在所有测试的 18 个 retry/pass 设置中都超过只生成 Cypher 的 Generator;五次 retry、五次 pass 时,FinReflectKG 最佳配置达到 88.0%,OpenIE 图达到 74.0%,而单次 Direct-Cypher 为 12.0% 和 6.0%。
- 统一配置跨构图迁移时,FinReflectKG 为 MuSiQue 44.0 EM、HotpotQA 74.5 EM、TriviaQA 87.9 F1;OpenIE 图为 38.0 EM、65.5 EM、71.6 F1。接口诱导提供了 portability,但没有消除构图质量和 provenance 的绝对差异。
- 与既有方法表格中的“最佳已报告数字”相比,ArcRAG 数字处于领先位置,但这些外部结果使用的模型、预算、评分和代码不同,不能视作受控 SOTA 比较。
局限与开放问题
- 只比较两类差异很大的 LLM 抽取图,不能推出对 curated ontology、不同节点粒度或更多 schema 的迁移结论。
- 两种图同时改变结构和 provenance,准确率差距无法分离构图差异与来源字段差异。
- 每个配置只运行一次,回答器温度为 1.0,并由模型判断证据是否充分,运行方差没有量化。
- 结果使用公开 QA 和大模型回答器,参数知识可能贡献绝对分数;可执行 witness 说明查询如何到达答案,不等于 claim-level attribution 或领域可靠性。
- 探索/规划增加 LLM 调用,消融控制 retry/pass 而非总成本;后续应报告成本匹配的迁移曲线。
关联与拓展
- 对应 Q2/Q4/Q5:把图构建与检索策略的耦合拆成“绝对性能受构图影响”与“检索器是否可迁移”两个问题。
- 与 GraphRAG-Router 不同:ArcRAG 研究构图变化下的检索接口,Router 研究后端和生成器路由。
- 与 LEGO-GraphRAG 的模块化视角可对读,但不能把摘要级 portability 当成跨领域泛化证明。