H-RAG：面向多轮RAG对话的层次化父子检索方法
计算与语言
2026-05-04 v1 信息检索
摘要
我们提出了H-RAG，这是我们对SemEval-2026任务8(MTRAGEval)的提交，同时处理任务A(检索)和任务C(基于检索段落生成)。任务A评估独立的检索质量，而任务C评估多轮对话场景中的端到端检索增强生成(RAG)，要求既准确生成答案，又忠实基于检索到的证据。我们的方法实现了一个层次化的父子RAG流水线，在生成过程中将细粒度的子级检索与父级上下文重构分离开来。文档被分割成基于句子的重叠子块，而完整文档则作为父单元保留以提供连贯的上下文。检索结合了混合稠密-稀疏搜索、可调权重以及基于子块的嵌入相似度重排序。检索到的证据在父级聚合，并输入给经过指令微调的语言模型以生成响应。H-RAG在任务A上取得了0.4271的nDCG@5分数，在任务C上取得了0.3241的调和平均分数(RB_agg: 0.2488, RL_F: 0.2703, RB_llm: 0.6508)，这强调了检索配置和父级聚合在多轮RAG性能中的重要性。
引用
@article{arxiv.2605.00631,
title = {H-RAG at SemEval-2026 Task 8: Hierarchical Parent-Child Retrieval for Multi-Turn RAG Conversations},
author = {Passant Elchafei and Hossam Emam and Mohamed Alansary and Monorama Swain and Markus Schedl},
journal= {arXiv preprint arXiv:2605.00631},
year = {2026}
}