CacheRAG：一种用于知识图谱问答的检索增强生成语义缓存系统

现有大模型驱动的知识图谱问答系统作为无状态规划器，孤立生成检索计划且未利用历史查询模式，导致架构幻觉和检索覆盖受限。本文提出 CacheRAG，一种系统性缓存增强架构，将无状态规划器转化为持续学习者。该系统引入三项创新设计：支持自然语言交互的架构无关接口、最大化结构多样性的多样性优化缓存检索，以及具有严格复杂度保证的有界启发式扩展。实验表明，该方法在多个基准测试中显著优于最先进基线，大幅提升了准确率与真实性。