主要关注LLM、RAG、Agent等AI前沿技术，每天分享业界最新成果和实战案例。
一、为什么传统 RAG 会“断链”
- 单跳场景：把文档切成 200 字左右的 chunk，做向量相似度检索 → LLM 直接答，够用。
- 多跳场景：需要把 2-4 份文档里的证据拼成一条“推理链”。chunk 粒度粗，一次就带回一整段，里面 60% 是干扰句，关键句反而被淹没 → 链条断了，LLM 开始“胡编”。
作者一句话总结：“不是检索不准，是检索单元太胖，逻辑关系太乱。”
传统 chunk 图 SentGraph 句图[整段1]——相似——[整段2] [S1]—因果→[S2]—对比→[S3]↓ 含 6 句废话 ↓ 句句相关上下文爆炸 推理链清爽
二、SentGraph 的“瘦身”思路
把检索单元从“段”缩到“句”，再把这些句子按真正的逻辑关系画成一张三层图，线下建好，线上直接按图索骥。
图长啥样？
Topic 层——跨文档“桥梁”↑Core 句层——核心事实↑Sup 句层——背景、因果、举例
线下建图三步曲
| 步骤 | 做什么 | 关键技术 | 解决痛点 |
|---|---|---|---|
| ① 拆句 | 把文档切成单句 | 常规 NLI 模型 | 避免 chunk 冗余 |
| ② 找关系 | 识别句间 12 种修辞关系 | 精简版 RST（修辞结构理论） | 把“因为、但是、例如”显式化 |
| ③ 架桥梁 | 跨文档实体对齐 | LLM 生成“实体-关系-实体”三元组 | 让多文档证据连成一条线 |
例：
文档 A「克罗地亚官方语言为克罗地亚语。」
文档 B「电影《围城》使用克罗地亚语拍摄。」
系统线下就在 Topic 层建一条边：(克罗地亚语, 被用于, 电影《围城》)
线上推理三步曲
- Anchor 初选
用 dense retriever 把“问题向量”和所有句子向量比对，先取 Top-K 候选句。 - Anchor 精炼
让 LLM 当“裁判”：
- 无关句子直接扔掉
- 证据已够 → 走“直接答”分支
- 证据不够 → 触发“路径扩展”
- 路径扩展
从保留的 anchor 出发，沿图中的 N-N、N-S 边做 BFS，把“因果、对比、背景”句子一串一串捞回来，直到凑齐一条完整证据链。
三、实验亮点
| 数据集 | 最佳基线 (BGE) | SentGraph | 绝对提升 |
|---|---|---|---|
| HotpotQA | 44.0 EM | 48.8 EM | +4.8 |
| 2Wiki | 36.8 EM | 42.0 EM | +5.2 |
| MuSiQue | 21.2 EM | 26.8 EM | +5.6 |
| MultiHopRAG | 63.4 Acc | 65.6 Acc | +2.2 |
- token 更省：比最强 chunk-level 图方法 KGP 平均少 30% 输入、60% 输出。
- 模型更“小”也能用：7B Qwen 上依旧领先 14B 的 chunk 方案。
四、局限 & 总结
- 建图靠 LLM 写关系，大模型更准，小模型会引入噪声。
- 目前只针对多跳 QA 做了关系类型精简，别的任务得重新设计。
- 线下构图计算量不小，后续可探索“增量式”更新。
把检索粒度缩到句，再把句子间的“修辞小箭头”画出来，就能让 RAG 在多跳问答里“少废话、多证据、链条不断”。
SentGraph 用 30% 的 token 做到 SOTA，给“图+句子”这一新范式打样。
SentGraph: Hierarchical Sentence Graph for Multi-hop Retrieval-Augmented Question Answeringhttps://arxiv.org/pdf/2601.03014每天一篇大模型Paper来锻炼我们的思维~已经读到这了，别忘了点赞、关注噢
学AI大模型的正确顺序，千万不要搞错了
🤔2026年AI风口已来！各行各业的AI渗透肉眼可见，超多公司要么转型做AI相关产品，要么高薪挖AI技术人才，机遇直接摆在眼前！
有往AI方向发展，或者本身有后端编程基础的朋友，直接冲AI大模型应用开发转岗超合适！
就算暂时不打算转岗，了解大模型、RAG、Prompt、Agent这些热门概念，能上手做简单项目，也绝对是求职加分王🔋
📝给大家整理了超全最新的AI大模型应用开发学习清单和资料，手把手帮你快速入门！👇👇
学习路线:
✅大模型基础认知—大模型核心原理、发展历程、主流模型（GPT、文心一言等）特点解析
✅核心技术模块—RAG检索增强生成、Prompt工程实战、Agent智能体开发逻辑
✅开发基础能力—Python进阶、API接口调用、大模型开发框架（LangChain等）实操
✅应用场景开发—智能问答系统、企业知识库、AIGC内容生成工具、行业定制化大模型应用
✅项目落地流程—需求拆解、技术选型、模型调优、测试上线、运维迭代
✅面试求职冲刺—岗位JD解析、简历AI项目包装、高频面试题汇总、模拟面经
以上6大模块，看似清晰好上手，实则每个部分都有扎实的核心内容需要吃透！
我把大模型的学习全流程已经整理📚好了！抓住AI时代风口，轻松解锁职业新可能，希望大家都能把握机遇，实现薪资/职业跃迁～
