NavTree
NavTree是一种无需LLM摘要的层级文档检索方法，通过构建确定性平衡分段树作为导航脚手架，结合混合前沿游走策略实现高效长文档检索，索引阶段无需任何LLM调用
时间轴 (近 90 天)
arXiv论文《Tree Navigation Without LLM Summaries》主张摘要树在长文档问答中的主要收益可能来自导航而非语言模型生成的摘要内容
NavTree是一个仅叶节点的检索器，在文本块之上构建确定性的平衡分段树，整个索引过程不调用任何语言模型，索引成本为零
NavTree的树本身不存储摘要，只作为导航骨架使用，检索时采用词法与稠密相结合的混合前沿游走策略，最终只向阅读器输出叶子文本块
在等成本评测中，NavTree是最强的等成本层级检索器，并与最强的扁平基线打成平手
在长文档多跳问答任务上，NavTree是唯一一个在类别对类别层面显著超越BM25的层级方法
生成式RAPTOR变体即使配上高质量聚类摘要，在每一个多块预算档位上仍然输给了零索引成本的NavTree
NavTree的排名结果在更强的阅读器、开放权重阅读器、更强的编码器以及全因子实验中都保持一致
全部知识事实 (7)
arXiv论文《Tree Navigation Without LLM Summaries》主张摘要树在长文档问答中的主要收益可能来自导航而非语言模型生成的摘要内容
50%待验证NavTree是一个仅叶节点的检索器，在文本块之上构建确定性的平衡分段树，整个索引过程不调用任何语言模型，索引成本为零
50%待验证NavTree的树本身不存储摘要，只作为导航骨架使用，检索时采用词法与稠密相结合的混合前沿游走策略，最终只向阅读器输出叶子文本块
50%待验证在等成本评测中，NavTree是最强的等成本层级检索器，并与最强的扁平基线打成平手
50%待验证在长文档多跳问答任务上，NavTree是唯一一个在类别对类别层面显著超越BM25的层级方法
50%待验证生成式RAPTOR变体即使配上高质量聚类摘要，在每一个多块预算档位上仍然输给了零索引成本的NavTree
50%待验证NavTree的排名结果在更强的阅读器、开放权重阅读器、更强的编码器以及全因子实验中都保持一致
50%