待验证50% 置信权衡取舍精确时间

RAPTOR在多个长文档问答基准上超越了扁平RAG，但索引成本随文档规模呈超线性增长，且摘要质量高度依赖所用语言模型的能力

1

来源数

50%

置信度

长期有效

时效性

2026/10/7

首次发现

来源

无需LLM摘要的树导航：NavTree重塑长文档检索

涉及实体

相关事实

待验证真正的无模式摄取将类型推断和字段解析延迟到查询阶段，代价是查询时需承担额外的解析开销，对查询引擎性能要求较高65% 相似已验证微软2024年的研究实验证明，GraphRAG在需要跨多个文档综合推理的全局性问题上比标准RAG表现显著更优，但索引构建成本和查询延迟均有所上升65% 相似待验证研究表明在RAG系统中，检索环节的质量对最终答案准确率的影响往往超过语言模型本身规模带来的增益64% 相似待验证交叉编码器无法预先索引，每个查询-文档对都需要实时计算，因此计算成本较高63% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/982955

API

curl https://kongchang.com/api/v1/knowledge/claims/982955

MCP

get_claim(id=982955)