我要投稿

为RAG装上导航：ToPG通过图遍历，破局复杂查询

发布日期：2026-01-11 16:24:02 浏览次数： 1901

作者：PaperToday

微信搜一搜，关注“PaperToday”

https://github.com/idiap/ToPG
https://arxiv.org/pdf/2601.04859
A Navigational Approach for Comprehensive RAG via Traversal over Proposition Graphs

一、RAG 的三座“大山”

传统 RAG 方案	擅长	不擅长
Chunk-RAG （整块召回）	简单事实问答	多跳、跨段落推理
Iterative-RAG （链式思考）	局部多跳	缺乏全局视野，易走偏
KG-RAG （三元组图谱）	复杂推理	单跳事实精度低，三元组信息压缩严重

一句话痛点：粒度 vs. 结构不可兼得——要么信息太粗，要么结构太硬。

二、ToPG 把“粒度”和“结构”同时做软

2.1 核心思想

图 1 一张图看懂 ToPG 框架

异构图：命题节点（蓝色）既连实体（橙色）也连段落（绿色），实现“细粒度+高连通”

用命题（proposition）作为最小知识单元，把“实体-命题-段落”拼成一张异构图，再让 LLM 以“建议-选择（Suggestion-Selection）”的方式边导航边反馈，实现三种搜索模式：

模式	场景	导航策略
Naive	单跳事实	纯向量召回命题，不用图
Local	多跳推理	迭代 Suggestion-Selection，LLM 每轮筛掉噪音
Global	抽象/综述	多起点并行游走 → 社区检测 → 分面生成答案

2.2 关键技术细节

图 2 分步骤示例：Local 模式如何 2 跳找到“Gloria in D 大调作曲家出生地的著名桥梁”

Global 模式：多起点并行游走 → 社区检测 → 综述答案

模块	做法	公式/参数
图谱构建	LLM few-shot 抽取实体→命题；同义词用 embedding 合并	cosine ≥ 0.4
Query-Aware PPR	转移矩阵 M = λ·结构 + (1-λ)·语义相似度	λ = 0.5（实验最佳）
Local 迭代	每轮 LLM 判断“信息够了吗？”不够就自动生成子问题继续走	max-iter = 3
Global 社区	收集 600 个锚点 → Leiden 算法分社区 → 每社区生成中间答案 → 排序合并	budget = 8 k 节点

三、结论：一张表看懂涨点

单跳场景 Naive 模式已足够，Local 反而增加 token 成本；但在复杂场景，3 轮迭代即可把 F1 拉涨 11+

抽象问答（LLM-as-a-Judge）

图 3 胜率热力图：600 个锚点后收益饱和

维度	Agriculture	CS	Legal
Comprehensiveness	与 GraphRAG 持平	持平	略负
Diversity & Empowerment	显著优于 GraphRAG & LightRAG	同上	同上

成本视角

图 4 Token 成本对比

方法	每抽象查询 token 消耗	备注
LightRAG	最低	关键词扩展，答案深度不足
ToPG-Global	中等（<600 锚点）	比 GraphRAG 省 30%+ 生成 token
GraphRAG	最高	预生成社区摘要，输入膨胀

四、一句话总结

ToPG 用“命题级粒度+查询感知游走”证明：把图谱做软、把导航做活，就能在单跳、多跳、抽象问答三条赛道都拿到 SOTA 级成绩。

53AI，企业落地大模型首选服务商

产品：场景落地咨询+大模型应用平台+行业解决方案

承诺：免费POC验证，效果达标后再合作。零风险落地应用大模型，已交付160+中大型企业

相关资讯

2026-04-30

RAG已死？不，是Grep回归了！

2026-04-27

Mem0 深度解析：智能记忆层的架构原理

2026-04-27

Karpathy的LLM Wiki + 3.5 万Star的Graphify：企业级 RAG 缺的真是知识图谱？

2026-04-23

2026 年做搜索就是做 Agent Memory

2026-04-22

专题解读 | 可更新的检索增强知识库发展方向及进展

2026-04-22

AI实践｜基于 Spring AI 从0到1构建 AI Agent

2026-04-22

我搭建了Karpathy的个人知识库，但发现成本高速度慢，我用一个更好的方案替代了。

2026-04-21

多轮对话时，RAG反复做重复召回，模型层与Milvus层分别如何解决？

联系获取

联系获取

160+中大型企业正在使用53AI

立即咨询预约演示

把握AI发展的机遇，共同探索、共同进步

2025-01-22

如何打造基于GenAI的员工服务机器人

2025-01-22

热点资讯

深度解析 PageIndex：无向量 RAG 框架的技术实现与原理剖析

2026-02-13

RAG 落地全干货深度分享：从“效果不理想”到生产级 RAG 系统的进化之路

2026-02-06

知识基座：让“AI 越用越懂业务”的团队经验实践【天猫AI Coding实践系列】

2026-03-23

告别“伪智能”代码：用 Spec + RAG 打造真正懂你的AI程序员

2026-02-06

全网爆火的大模型AI知识库，保姆级教程来了

2026-04-06

效率神器 Claude-Mem：终结 AI “金鱼记忆”！自动保存上下文、可视化记忆流，开发体验提升 10 倍！

2026-02-06

从 RAG 到 Agentic Search，一次关于信任 AI 判断的认知升级

2026-02-05

不用向量数据库的 RAG，居然跑得更准了？

2026-02-22

从RAG到GraphRAG：货拉拉元数据检索应用实践

2026-03-18

为什么总感觉 Claude Code 比 Cursor 聪明？真正的原因根本不是模型能力！

2026-03-20

大家都在问

Karpathy的LLM Wiki + 3.5 万Star的Graphify：企业级 RAG 缺的真是知识图谱？

2026-04-27

多轮对话时，RAG反复做重复召回，模型层与Milvus层分别如何解决？

2026-04-21

企业AI落地三重门，用友如何破局？

2026-03-17

Embedding相似度虚高，如何用langchain+Milvus搭建CRAG解决？

2026-03-11

不用向量数据库的 RAG，居然跑得更准了？

2026-02-22

当RAG遇上Agent记忆：为什么相似度检索会"塌方"？

2026-02-15

Claude Cowork 真能替换 RAG ？

2026-02-04

使用 Agent Skills 做知识库检索，能比传统 RAG 效果更好吗？

2026-02-03

热门标签

内容创作大模型技术个人提效 langchain llamaindex 多模态技术 RAG技术智能客服知识图谱模型微调 RAGFlow coze Dify Fastgpt Bisheng Qanything AI+汽车 AI+金融 AI+工业 AI+培训 AI+SaaS Skill 提示词技巧 AI+电商 AI面试数字员工 ChatBI AI知识库开源大模型智能营销智能硬件智能化改造 AI+医疗 MaxKB Palantir Glean Openclaw

应聘简历请发送至： ceo@53ai.com

联系我们

售前咨询

预约演示

微信扫码

添加专属顾问

回到顶部