IA-RAG：基于区间代数的动态知识检索时序推理

检索增强生成（RAG）在利用外部知识 grounding 大语言模型方面效果显著，但现有框架多将知识视为静态或仅关联粗粒度时间戳，难以捕捉持续时间、重叠等丰富时序结构。本文提出 IA-RAG，一种分层时序 RAG 框架，利用艾伦区间代数对知识进行建模并在形式化时序约束下执行检索。该方法将事实表示为区间事件单元并构建主题森林，引入子图时间收紧机制处理模糊边界，支持隐式时序语义检索。实验表明其在复杂组合时序推理任务上表现优异。