面向提升长上下文理解的心景感知检索增强生成
计算与语言
2026-05-29 v2
摘要
人类通过依赖内容的整体语义表示来理解长篇复杂文本。这种全局视图有助于组织先验知识、解释新信息并整合文档中分布的证据，这一点从心景感知能力（在心理学中）这一人类能力中得以揭示。当前的检索增强生成 (RAG) 系统缺乏这种指导，因此在长上下文任务中难以胜任。在本文中，我们提出了心景感知 RAG (MiA-RAG)，这是第一个将心景感知检索和生成形式成统一条件范式的框架，用于基于大语言模型的 RAG。MiA-RAG 通过层次化摘要构建心景，并以此全局语义表示为条件化检索和生成。这使得检索器能够形成丰富的查询嵌入，生成器能够在连贯的全局上下文中对检索到的证据进行推理。我们在多样化的长上下文和双语基准测试上评估了 MiA-RAG，进行证据基础理解和全局意义-making。它一致地超越了基线方法，进一步分析显示，它将局部细节与连贯的全局表示相结合，实现了更符合人类水平的长上下文检索和推理。
引用
@article{arxiv.2512.17220,
title = {Mindscape-Aware Retrieval Augmented Generation for Improved Long Context Understanding},
author = {Yuqing Li and Jiangnan Li and Zheng Lin and Ziyan Zhou and Junjie Wu and Weiping Wang and Jie Zhou and Mo Yu},
journal= {arXiv preprint arXiv:2512.17220},
year = {2026}
}