HKVM-RAG: Key-Value-Separated Hypergraph Evidence Organization for Multi-Hop RAG
键值分离超图证据组织：多跳RAG的可复用控制机制
🧭 多跳RAG证据组织
Faculty of Computing, Harbin Institute of Technology
提出HKVM-RAG，用超图键值分离组织多跳证据链，作为独立于密集检索的证据控制信号，在三个多跳QA基准上显著提升F1。
📌 工作参考价值（4 点）
- 商品关系路径管理：电商中商品间存在“配套/替代/互补”等多跳关系（如手机→充电器→快充协议）。可借鉴超图建边将多条关系链聚合为高维键，分离存储商品描述文本作为值，检索时直接从键定位完整关系路径，避免中间实体断裂。
- Agent决策链缓存与复用：多Agent协作时，单代理的推理链（如“用户意图→查询改写→API调用”）可视为多跳证据。将成功执行链的LLM中间结果缓存为超边键，对应执行结果作为值，形成经验库。新任务时用查询匹配超边键，直接拉取完整决策链，降低重复推理开销。
- 结构化信号与密集检索融合：本工作证明超图检索分数可作为有效控制信号，与冻结的密集检索器（ColBERTv2）配合。在推荐场景，可将知识图谱子图结构分数与语义向量召回分数简单融合，用轻量控制器（如XGBoost）学习组合权重，提升召回相关性而不必重训检索器。
- 固定子层实验协议：论文固定了证据元组缓存、候选段落、Reader等变量，仅改变键结构，这种对照实验设计范式可用于评估公司内部不同知识组织方式（如图索引vs向量索引），快速定位瓶颈。