IndexRAG：跨文档推理索引时刻的桥接事实
计算与语言
2026-03-18 v1 人工智能
信息检索
摘要
多跳问答需要跨多个文档进行推理，而现有的检索增强生成（RAG）方法要么通过图基方法实现，需额外的在线处理，要么通过迭代的多步骤推理。我们提出IndexRAG，一种将跨文档推理从在线推理转移到离线索引的新方法。IndexRAG识别跨文档共享的桥接实体，并生成可独立检索的桥接事实单元，无需额外训练或微调。在三个广泛使用的多跳问答基准（HotpotQA、2WikiMultiHopQA、MuSiQue）上进行实验，IndexRAG相较于 Naive RAG 在 F1 分数上平均提升4.6分，同时仅需单次检索和一次 LLM 调用即可完成推理。当与 IRCoT 结合时，IndexRAG在所有图基基线（包括 HippoRAG 和 FastGraphRAG）方面平均表现更佳，仅依赖平坦检索即可实现。我们将在接受后发布代码。
引用
@article{arxiv.2603.16415,
title = {IndexRAG: Bridging Facts for Cross-Document Reasoning at Index Time},
author = {Zhenghua Bao and Yi Shi},
journal= {arXiv preprint arXiv:2603.16415},
year = {2026}
}