RAGFlow团队提出知识编译作为RAG供给层

RAGFlow 团队发布 arXiv 论文（arXiv:2610.41172），提出知识编译是智能体化 RAG 缺失的供给层，而非更好的检索器：通过可配置的摄入 pipeline，用大模型为文档补充导航树、实体图、时间线等单一文本块不包含的上下文。 论文报告的实验结果均为作者自述：叶子为论断-证据对的导航树在证据充分时减少 91% 查询 token，证据不充分时增加 1.9%，平均减少 38%；仅用 BM25/grep 加 MiniMax M3 的框架在其测试中回答了 BrowseComp-Plus 的 85% 和多跳 FRAMES 的 91%，无需编译或向量索引。 论文同时称，在能力足够的框架下，结构化产物在 FRAMES 上未带来可检测的准确率提升，PageIndex 式大纲在大规模下表现退化。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。