注入还是导航？面向交易法律文档分析的 LLM 令牌高效检索

针对交易法律文档问答，传统全量注入法虽召回率高但令牌消耗大且受长上下文退化影响。本文提出两种结构化检索模式：基于嵌入的检索（NAVEMBED）和基于紧凑结构索引的 LLM 导航（NAVINDEX）。实验表明，在显著减少输入令牌（最高达 56 倍）和成本的同时，这两种方法在语义检索准确性上与全量注入相当甚至更优。此外，研究推导了缓存注入与检索的成本交叉规则，量化了不同规模下的最优策略。