HELP：用于准确高效 GraphRAG 的超节点扩展与逻辑路径引导证据定位

大型语言模型在知识密集型任务中常受限于知识边界与幻觉问题。虽然检索增强生成（RAG）缓解了该问题，但往往忽视多跳推理所需的关键结构依赖。本文提出 HELP 框架，通过两种核心策略平衡准确率与效率：一是超节点扩展，将知识三元组迭代链接为连贯推理路径以捕捉复杂结构依赖；二是逻辑路径引导的证据定位，利用预计算的图 - 文本相关性直接映射路径至语料库。实验表明，HELP 在多个问答基准上表现优异，且检索速度显著提升。