EcphoryRAG：基于人类联想记忆的知识图谱 RAG 再构想
人工智能
2025-10-13 v1 信息检索
摘要
认知神经科学研究表明，人类会利用线索来激活以实体为中心的记忆痕迹（记忆痕）以进行复杂的多跳回忆。 Inspired by this mechanism, 我们引入 EcphoryRAG，一个以实体为中心的知识图谱 RAG 框架。在索引阶段，EcphoryRAG 提取并存储仅包含核心实体及其相关元数据的信息，采用轻量级方法，可将 token 消耗降低最高可达 94\%。在检索阶段，系统首先从查询中提取线索实体，然后在知识图谱上进行可扩展的多跳联想搜索。关键的是，EcphoryRAG 动态推断实体之间的隐含关系，以填充上下文，从而实现深层推理，而无需穷举地预先枚举所有关系。广泛的在 2WikiMultiHop、HotpotQA 和 MuSiQue 基准上的评估表明，EcphoryRAG 取得了新的状态最佳成绩，平均 Exact Match（EM）得分从 0.392 提升至 0.474，超越了像 HippoRAG 这样的强大的 KG-RAG 方法。这些结果验证了实体-线索-多跳检索范式对于复杂问答的有效性。
关键词
引用
@article{arxiv.2510.08958,
title = {EcphoryRAG: Re-Imagining Knowledge-Graph RAG via Human Associative Memory},
author = {Zirui Liao},
journal= {arXiv preprint arXiv:2510.08958},
year = {2025}
}