为何邻域很重要：Agentic GraphRAG 中的遍历上下文与来源

检索增强生成 (GraphRAG) 可通过以外部证据为答案提供事实性 grounding，但 Agentic GraphRAG 使引用的忠实性概念变得复杂。在这些系统中，智能体在生成答案和小型引用集合之前会探索知识图谱，我们将引用忠实性定义为轨迹水平的问题：最终引用不仅要支持答案，还要考虑图遍历、结构以及可能影响它的访问但未被引用的实体。通过受控消除实验，我们比较了隔离、移除和屏蔽被引用和未被引用图实体的效果。我们的结果表明，被引用的证据往往是必要的，因为移除后会显著改变答案并降低准确性。然而，引用本身不够，因为准确答案也可能依赖于未被引用的遍历上下文和周围图结构。这些发现表明，Agentic GraphRAG 的引用评估应超越源支持，关注更广泛检索轨迹中的来源。