生物医学知识图谱问答不再只靠文档检索：三路系统并行合并，满意率从36%升到86%

同一批模型下，把文档检索、图检索和智能体检索三路并行再合并答案，比只做文档检索更能答对需要底层实验数据的问题。 此前的GNQA只索引描述GeneNetwork的非结构化文本，从不把结构化实验数据直接交给模型，因此需要数据集本身而非论文的问题无法回答。 在40道专家编写并附参考答案的题目上，全部使用Claude Opus 4.8时，纯文档检索的满意率为36%，而三路合并系统为86%。

系统把GeneNetwork的元数据从关系型数据库改写成RDF图，模型可以直接写SPARQL查询去取结构化数据，而不是只读预先转好的文本。 图检索和智能体图检索属于认知式架构，模型自己规划并作用于结构化数据；智能体版本还会检查返回结果、在多轮里修改查询再作答。 评测在40道题、三次重复上进行，由Claude Haiku 4.5作为裁判按精确率、召回率和f1打分，再折算成满意率ψ。

把大部分推理交给本地模型、只在困难步骤调用前沿模型，可以在明显更低的成本下接近全前沿模型的效果。 单独使用本地模型Qwen3 30B A3B时，图检索的满意率为17%，智能体检索为16%。 Qwen3 30B A3B与Claude Opus 4.8配对后，图检索升到43%、智能体检索升到53%，合并系统为59%，而全用Claude Opus 4.8的合并系统为86%。

这套系统面向需要查询GeneNetwork数据的生物医学与系统遗传学研究者，通过聊天界面回答关于模型生物、数据集和定位结果的问题。基准由领域专家从GeneNetwork的资源分类方案中整理出40道题及参考答案，覆盖不同难度。作者提出后续可让合并系统按任务选择子系统而非并行运行三路，并扩大可路由的模型范围。

ψ是LLM裁判精确率、召回率和f1的固定阈值汇总，作者说明它并未经过真人满意度研究校准，70%和60%的阈值也未用人工评分验证。基准取自开发RDF图和四个系统时所用的同一资源分类方案，没有独立留出的测试集，作者表示无法排除偏差。统计比较以三次重复为样本，自由度只有2，Claude Haiku 4.5和GPT-OSS 20B上的合并系统优势被判为不确定而非无差异。