基于令牌共现图的高效检索增强生成

检索增强生成（RAG）虽能缓解大模型幻觉，但在多跳推理任务中表现不佳。现有基于图的 RAG 方法依赖高成本且易错的 LLM 提取流程。为此，本文提出 TIGRAG，一种基于令牌共现知识图谱的高效框架。该方法利用滑动窗口统计直接建模令牌间拓扑关系，实现可扩展的图谱构建。推理阶段，结合基于图的语义扩展与神经重排序，并通过迭代实体驱动策略逐步扩展查询以检索关联证据。实验表明，TIGRAG 在多跳问答基准上优于现有方法，同时显著降低了索引时间、推理延迟及提示词开销。