一句话理解

GraphRAG 里的很多方法差异,归根到底可以看成是在做 软搜索 还是 硬搜索:前者保留分布式相关性,后者保留显式轨迹与离散决策。

这个理论点在回答什么问题

  • 为什么 PPR、graph propagation 这类方法看起来不像显式推理,却常能有效召回多跳证据?
  • 为什么 beam search、agent traversal、query execution 更灵活,却也更容易偏航?
  • 为什么不同任务会偏好完全不同的搜索风格?

什么叫软搜索

  • 不急着确定单一路径或单个动作;
  • 而是在图上保留一个分布、权重场或软激活状态。

典型形式包括:

  • PPR
  • graph propagation
  • attention-based growing/pruning
  • soft path weighting

什么叫硬搜索

  • 系统必须在每一步明确决定:
    • 走哪条边
    • 保留哪条路径
    • 执行哪个动作
    • 何时停止

典型形式包括:

  • beam search
  • BFS / DFS 风格路径扩展
  • agentic traversal
  • symbolic / neural query execution

当前知识库里最典型的两类例子

软搜索

这些方法的共同点是:

  • 更像“传播相关性”
  • 不急着把搜索结果收缩成一条显式 reasoning path

硬搜索

这些方法的共同点是:

  • 更像在维护显式候选路径、显式动作或显式查询执行轨迹

为什么软搜索会有优势

1. 更抗早期决策错误

  • 因为不需要很早就只选一条路。

2. 更适合 coverage-first 检索

  • 当目标是尽量不漏 supporting evidence 时;
  • 分布式保留多个潜在邻域常更稳。

3. 通常更便宜

  • 尤其在大图上,传播式方法往往比逐步 agent 交互更高效。

为什么硬搜索会有优势

1. 更适合显式多步规划

  • 当任务确实要求:
    • 中间变量绑定
    • 明确路径解释
    • 受约束动作执行 硬搜索更自然。

2. 更容易输出可解释轨迹

  • 你可以看到系统到底走了哪条路径、做了哪些选择。

3. 更容易接入约束与工具

  • 例如:
    • query execution
    • constrained decoding
    • symbolic checking

两者各自的典型风险

软搜索风险

  • 证据相关性扩散了,但解释链不清晰;
  • 更像“召回相关区域”,不等于完成显式推理;
  • hub node、seed noise 容易影响整体分布。

硬搜索风险

  • 早期评分偏差会被离散决策迅速放大;
  • beam 太窄或 pruning 太狠会直接漏掉关键证据链;
  • 成本通常更高。

为什么这和已有理论节点强相关

与 Graph搜索的完备性与Beam-Search偏差

  • 硬搜索最直接暴露 beam bias;
  • 软搜索某种程度上就是对这种偏差的缓冲。

与 GraphRAG中的Test-time-Compute与信息率分配

  • 硬搜索更常把预算花在轨迹选择上;
  • 软搜索更常把预算花在分布传播和后续回投上。

与 GraphRAG中的Retrieval Calibration

  • 硬搜索更依赖局部分数校准;
  • 软搜索更依赖整体传播结构是否稳。

一个很有用的统一视角

可以把它们理解成:

  • 软搜索: 延迟承诺,先保留不确定性。
  • 硬搜索: 早做承诺,换取更清晰的轨迹与控制。

这使两者更像一组 trade-off,而不是谁永远优于谁。

常见误区

误区 1:软搜索就是弱版推理

  • 不对。
  • 它只是把推理前的搜索表征做成分布式,而不是显式路径化。

误区 2:硬搜索一定更faithful

  • 也不一定。
  • 如果路径选错,显式轨迹只会显式地错。

误区 3:两者不能结合

  • 不是。
  • 很多强系统其实可以:
    • 先用软搜索做广覆盖候选
    • 再用硬搜索做精化规划

更深的问题

  1. 什么任务更适合先软后硬,而不是只用一种搜索?
  2. PPR 一类软传播何时足以逼近显式路径规划?
  3. 硬搜索的解释性收益能否量化抵消其预算成本?
  4. 软搜索与硬搜索能否统一到同一 planning language 下?

相关笔记


这是一篇概念笔记,用来把 GraphRAG 中传播式检索和轨迹式搜索统一成软搜索/硬搜索的设计张力。