NeFut Logo NeFut
EN 管理员登录

[AI学术] 构建可信的图代理检索增强生成系统用于社会公益

发布于:2026-09-10 22:00 最后更新:2026-09-12 06:35
#AI #Machine Learning #Graph

图代理检索增强生成(Graph‑agentic RAG)将结构化证据与可规划检索、关系遍历、声明验证、子任务委派以及工具使用的自适应控制器相结合。当答案依赖跨文档、实体、时间或机构的关系时,这种组合尤为有价值,但也会产生耦合的失效路径:图构建缺陷可能被检索为证据,进而影响后续控制决策,并在最终结果中放大。我们关注社会公益场景,强调新鲜度、授权、可追溯性、监督和纠错与答案质量同等重要。文献被按图底层、图生命周期、代理功能、协同模式和权威边界进行归类,并区分基于图的检索与依赖观测的图控制。随后我们将已报告的风险抽象为“证据→行动”失效链,并提出基于构造的保证蓝图,包含证据、检索、推理、能力与委派、结果五个接口合约。这些合约在系统边界上显式声明来源、时间有效性、授权、 不确定性 与可恢复性。一个公共利益信息设计示例展示了框架如何约束图结构、权限、回避和运营权威。最后,我们提出评估议程,覆盖图断言、轨迹、声明、协同和结果等维度。

点评

原文链接: https://arxiv.org/abs/2609.06391

[h] 返回首页