摘要
针对多模态检索增强生成(MM-RAG)在复杂多跳推理任务中的不足,本文提出 DualG-MRAG 框架。该方法通过解耦架构构建宏观图进行全局拓扑路由,以及微观图进行精细局部验证,以平衡结构建模与细粒度特征。此外,利用图神经网络实现查询驱动的消息传递,并引入动态规划解码机制从推理路径中提取显式结构指导生成。实验表明,该方法在证据召回率和复杂问答准确率上均优于基线模型。
AI 推荐理由
论文核心提出宏微观解耦架构,旨在解决多模态 RAG 中的复杂多跳推理难题。
研究机构
SKLCCSE, School of Computer Science and Engineering, Beihang University, Beijing, China
SKLCCSE, School of Computer Science and Engineering, Beihang University
论文信息