RAG GraphRAG Enterprise QA Agentic AI
摘要

检索增强生成(RAG)对企业知识问答至关重要,但现有方法常忽视多样化检索优势的综合集成,导致路由不准及推理能力受限。本文提出VDGR-RAG,一种统一的智能GraphRAG系统,整合向量检索、目录驱动推理、图遍历和迭代反思。该系统首先构建保留层级结构与语义关系的层次异构图,随后利用可自由组合的原子工具进行导航:包括基于目录的路由、多路检索、回溯纠偏及动态反思规划。实验表明,该方法在召回率和问答准确率上显著优于基线模型。

AI 推荐理由

论文核心在于通过VDGR-RAG框架提升企业知识问答中的推理能力,强调多源检索与反思机制对复杂逻辑推理的增强。

研究机构
华为技术有限公司
论文信息
作者 Wenqi Chen, Haofei Yang, Rui Yang, Fangming Li
发布日期 2026-08-08
arXiv ID 2608.07994
相关性评分 9/10 (高度相关)