Multimodal RAG Graph Neural Networks Multi-hop Reasoning Decoupled Architecture
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
作者 Jiacheng Tao, Qingyun Sun, Haonan Yuan, Ziwei Zhang, Jianxin Li
发布日期 2026-07-30
arXiv ID 2607.28580
相关性评分 9/10 (高度相关)