CAGE: Coherence-Aware Graph Encoding for Retrieval-Augmented Generation
研究人员提出 Coherence-Aware Graph Encoding (CAGE) 框架，旨在解决传统检索增强生成（RAG）系统中上下文集合缺乏整体一致性的问题。该框架在四个维度——领域内相关性、抗噪能力、信息联结和事实一致性上建模“块间一致性”，将检索段落转化为有向异构图，并通过最小出度加权放大事实锚点，利用关系图卷积网络编码结构模式，最终融合块间一致性与查询相关性进行排序。在四个多跳基准测试中，CAGE 在桥主导数据集上的 Recall@5 表现与 monoT5 等强基线相当或更优，并持续提升了下游精确匹配率，证明了具有结构一致性的上下文即使在召回率相当或更低的情况下也能提供更精确的答案。