上下文永远不够长：面向长文档集可扩展问答的结构化推理

现实世界的文档问答极具挑战，分析师需综合多文档及文档内不同部分的证据。然而，随着文档集合增长，固定 LLM 上下文窗口常被超越。常见的分块处理方案会引发聚合瓶颈，即系统难以对海量提取证据进行有效组合与推理。本文提出 SLIDERS 框架，通过结构化推理实现长文档集问答。该框架将关键信息提取至关系数据库，利用 SQL 而非拼接文本实现对持久化结构状态的可扩展推理。为确保局部提取表示的全局一致性，SLIDERS 引入数据协调阶段，利用来源、提取理由和元数据检测并修复重复、不一致及不完整的记录。实验表明，SLIDERS 在三个现有长上下文基准测试中优于所有基线，平均超出 GPT-4.1 达 6.6 分，并在两个新的大规模基准测试中显著提升性能。