NaviRAG：迈向检索增强生成的主动知识导航

检索增强生成（RAG）通常依赖扁平化检索范式，难以处理需跨粒度动态合成信息的复杂任务。为此，本文提出 NaviRAG 框架，将被动片段检索转变为主动知识导航。该方法首先构建层次化知识结构，保留从粗粒度主题到细粒度细节的语义关系；随后利用大语言模型代理主动导航，迭代识别信息缺口并从最合适的粒度层级检索相关内容。实验表明，NaviRAG 在长文档问答基准上显著提升了检索召回率与端到端回答性能，其优势源于多粒度证据定位与动态检索规划能力。