OmniRetrieval: Unified Retrieval across Heterogeneous Knowledge Sources
跨异构知识源的统一检索框架
🧭 统一异构知识检索 · 跨源查询
KAIST · DeepAuto.ai
提出 OmniRetrieval，将自然语言查询自动分解为各知识源原生查询，实现文本、关系表、知识图的统一检索
📌 工作参考价值（4 点）
- 多源数据统一检索接口设计：在电商搜索/推荐中，产品信息散落在文档、关系数据库（价格库存）、知识图谱（属性关系）等，可借鉴 OmniRetrieval 的“源选择 + 原生查询生成”模式，对用户 query 自动路由到合适数据源，避免预先构建庞大统一索引。
- Agent 工具链中的知识检索模块：为 Agent 提供一种工具，能理解自然语言指令并转化为针对不同数据源的查询（SQL、SPARQL、Cypher 等），无需 Agent 显式指定数据源类型，简化多智体系统中的知识获取。
- 保留源结构优势的跨源证据聚合：不强行将结构化数据嵌入单一向量空间，而是通过跨源证据选择保留表结构、图谱关系等原生表达能力，可迁移到推荐系统的多模态特征融合，如用户行为表、社交图、内容文本的异构证据整合。
- 可复用的源选择与查询生成模块：源选择分类器与基于 LLM 的原生查询生成可独立使用，在电商知识库问答、智能客服等场景，对用户问题自动识别需要查询哪些源库（如维修手册、商品参数表、QA 对），并生成相应的精确查询，降低人工适配成本。