Hanoi University of Science and Technology

维基百科多跳问答的图检索不再依赖大模型做全语料开放抽取，而是用本地 GLiNER2 按预设关系模式建图，再从图中未被关系覆盖的实体对里发现语料特有的新关系并事后注入三元组。在 MuSiQue、2WikiMultihopQA 和 HotpotQA 各 1000 道题上，完整流程的 F1 分别为 0.4577、0.6637 和 0.7154，均高于 BGE 版 HippoRAG2 基线；MuSiQue 上自适应扩展新增 93 种关系、1691 条三元组，相对仅用种子模式把 F1 提高 0.0225。最终答案生成仍调用 GPT-4o-mini。

维基百科多跳问答的图检索不再依赖大模型做全语料开放抽取，而是用本地 GLiNER2 按预设关系模式建图，再从图中未被关系覆盖的实体对里发现语料特有的新关系并事后注入三元组。在 MuSiQue、2WikiMultihopQA 和 HotpotQA 各 1000 道题上，完整流程的 F1 分别为 0.4577、0.6637 和 0.7154，均高于 BGE 版 HippoRAG2 基线；MuSiQue 上自适应扩展新增 93 种关系、1691 条三元组，相对仅用种子模式把 F1 提高 0.0225。最终答案生成仍调用 GPT-4o-mini。

多跳问答的检索增强生成常被无关文档拖累，而 CLaRa 把检索文档压成稠密隐记忆后，文档之间的结构关系更难被利用。GraphCLaRa 在冻结的 CLaRa 阅读器前加一个约 130 万参数的图重排器：按查询构建文档图，用图注意力网络传播证据，再自适应决定送入多少篇文档。在四个问答基准上，它在三个数据集上提升答案 F1，2Wiki 提升 6.6、MuSiQue 提升 6.4、NQ 提升 2.5，同时使用更少文档；在检索已饱和的 HotpotQA 上落后 1.1 F1。

多跳问答的检索增强生成常被无关文档拖累，而 CLaRa 把检索文档压成稠密隐记忆后，文档之间的结构关系更难被利用。GraphCLaRa 在冻结的 CLaRa 阅读器前加一个约 130 万参数的图重排器：按查询构建文档图，用图注意力网络传播证据，再自适应决定送入多少篇文档。在四个问答基准上，它在三个数据集上提升答案 F1，2Wiki 提升 6.6、MuSiQue 提升 6.4、NQ 提升 2.5，同时使用更少文档；在检索已饱和的 HotpotQA 上落后 1.1 F1。