作者 | 崔皓

審校 | 重樓

摘要

大型語言模型（LLMs）在文本生成和推理上表現(xiàn)出色，但存在幻覺生成、知識過時、缺乏領(lǐng)域?qū)I(yè)知識等短板。檢索增強(qiáng)生成（RAG）雖能通過外部文檔檢索增強(qiáng) LLMs 以減少幻覺、獲取最新信息，卻面臨摻雜誤導(dǎo)信息、缺少邏輯連接的問題。為此，檢索增強(qiáng)結(jié)構(gòu)化（RAS）技術(shù)應(yīng)運(yùn)而生，它整合知識結(jié)構(gòu)化技術(shù)（如分類法和知識圖譜），將非結(jié)構(gòu)化文本轉(zhuǎn)化為結(jié)構(gòu)化知識，提升推理和驗證能力。

RAS 包含信息檢索、結(jié)構(gòu)化知識表示、大型語言模型三大組件，通過行動規(guī)劃、主題范圍檢索、動態(tài)知識結(jié)構(gòu)化、知識增強(qiáng)生成四個階段實現(xiàn) “檢索 - 結(jié)構(gòu)化 - 生成” 的迭代閉環(huán)，在多任務(wù)場景下各項指標(biāo)顯著優(yōu)于 RAG。其中分類法是 RAS 實現(xiàn) “結(jié)構(gòu)增強(qiáng)檢索” 的關(guān)鍵，通過 HiExpan、CoRel 等技術(shù)從 “種子” 結(jié)構(gòu)出發(fā)擴(kuò)展寬度與深度，為檢索劃定主題范圍，提升效率與精度，助力 RAS 解決傳統(tǒng) RAG 的痛點(diǎn)，實現(xiàn)更準(zhǔn)確的復(fù)雜推理與答案生成。

LLM 的短板

大型語言模型（LLMs）的出現(xiàn)徹底改變了自然語言處理領(lǐng)域，它們在文本生成和復(fù)雜推理方面展現(xiàn)出卓越的能力，這些模型通過對海量文本數(shù)據(jù)進(jìn)行預(yù)訓(xùn)練，建立了對語言結(jié)構(gòu)的深層理解。

然而，當(dāng) LLMs 被部署到現(xiàn)實世界的應(yīng)用中時，它們的局限性也隨之凸顯。主要挑戰(zhàn)包括：

1. 幻覺生成（Hallucination）：LLMs 有時會生成聽起來合理但事實錯誤的信息。

2. 知識過時：LLMs 依賴其訓(xùn)練數(shù)據(jù)中可能過時或不完整的知識。

3. 缺乏領(lǐng)域?qū)I(yè)知識：在科學(xué)研究、醫(yī)療保健或技術(shù)領(lǐng)域等知識密集型應(yīng)用中，LLMs 往往缺乏所需的精確且詳細(xì)的知識。

RAG 的出現(xiàn)

為了彌補(bǔ) LLMs 的這些缺陷，檢索增強(qiáng)生成（Retrieval-Augmented Generation, RAG）范式被引入。

RAG 的核心機(jī)制是通過從外部文檔中檢索相關(guān)信息來增強(qiáng) LLMs，從而使模型的響應(yīng)具有事實基礎(chǔ)。RAG 通過將 LLMs 的響應(yīng)建立在檢索到的文檔之上，極大地減少了幻覺，并使其能夠訪問最新的信息。

傳統(tǒng)的 RAG 雖然能夠彌補(bǔ) LLMs 的短板，但也會帶來一些問題：

?摻雜誤導(dǎo)信息：RAG 在做文本切割時，會保存大量的非結(jié)構(gòu)化文本，這些文本在表達(dá)含義時會給人含糊不清的感覺。從而誤導(dǎo) LLMs，導(dǎo)致搜索的結(jié)果偏離結(jié)果。同時，非結(jié)構(gòu)化文本通常還包含無關(guān)的細(xì)節(jié)，可能導(dǎo)致模型失準(zhǔn)。例如當(dāng)查詢：“魯迅的代表作品是什么？”的時候，RAG 檢索到的文本段落： “魯迅，原名周樹人，是中國現(xiàn)代文學(xué)的奠基人之一。近年來，以他生平為藍(lán)本的電視劇《覺醒年代》獲得了巨大的成功，引發(fā)了年輕人的熱烈討論。” RAG 在回答的同時，在答案中還混入了大量關(guān)于電視劇的無關(guān)細(xì)節(jié)。這導(dǎo)致輸出的冗余或不準(zhǔn)確，我們需要通過提示詞或者其他手段針對回答內(nèi)容進(jìn)行二次處理。

?缺少邏輯連接：當(dāng)需要邏輯推理才能得到結(jié)果時，非結(jié)構(gòu)化文本明顯顯得力不從心，因為段落缺乏的明確邏輯連接，所以得到的結(jié)果往往不盡如人意，從而導(dǎo)致幻覺。例如，當(dāng)我們查詢：“中國最大的電商平臺‘淘寶’的創(chuàng)始人馬云，他畢業(yè)于哪所大學(xué)？”的時候，RAG 會分別搜索 2 個不同的文本塊：

文本塊 A： “淘寶網(wǎng)由馬云于2003年創(chuàng)立，是中國最大的在線購物平臺。

文本塊 B： “馬云畢業(yè)于杭州師范學(xué)院的外語系。”

然后 LLM 需要通過 RAG 提供的兩個文本塊進(jìn)行推理，得到“淘寶”“馬云”“杭州師范學(xué)院”的關(guān)系。這也是 RAG 在處理復(fù)雜、多跳推理過程中的存在的問題。

RAS 的出現(xiàn)

面對傳統(tǒng) RAG 的諸多困境，一種更具創(chuàng)新性和適應(yīng)性的解決方案 ：檢索增強(qiáng)結(jié)構(gòu)化（Retrieval-Augmented Structuring，RAS）應(yīng)運(yùn)而生。RAS 的特點(diǎn)是將非結(jié)構(gòu)化文本轉(zhuǎn)化為結(jié)構(gòu)化知識，并且適合復(fù)雜問題的推理。

與傳統(tǒng) RAG 相比，RAS 具有顯著的優(yōu)勢。它能夠有效減少無關(guān)細(xì)節(jié)和誤導(dǎo)信息對模型的干擾，因為在結(jié)構(gòu)化過程中，數(shù)據(jù)已經(jīng)經(jīng)過篩選和整理，模型能夠?qū)Ｗ⒂陉P(guān)鍵信息進(jìn)行處理，從而大大提高了回答的準(zhǔn)確性和可靠性。同時，RAS 構(gòu)建的結(jié)構(gòu)化知識圖譜，能夠清晰展現(xiàn)事實之間的邏輯聯(lián)系，為模型提供了更豐富的語義理解，使其在處理復(fù)雜問題和多步推理任務(wù)時表現(xiàn)更為出色。

RAS通過結(jié)構(gòu)化的處理方式，從源頭上對數(shù)據(jù)進(jìn)行梳理和篩選。以 “魯迅的代表作品是什么？” 這一查詢?yōu)槔?，RAG 檢索到的文本可能會混入如 “魯迅生平為藍(lán)本的電視劇《覺醒年代》獲得成功” 等無關(guān)細(xì)節(jié)，使得答案冗余且不準(zhǔn)確。但 RAS 在面對同樣的問題時，會運(yùn)用實體識別和關(guān)系提取技術(shù)，會鏈接 “魯迅” 與 “代表作品” 兩個實體，并從文本中提取出如《狂人日記》《阿 Q 正傳》等真正相關(guān)的信息，排除一切無關(guān)干擾。

當(dāng)涉及到復(fù)雜的邏輯推理問題時，特別是在處理多跳推理任務(wù)時，RAG 往往難以讓 LLM 準(zhǔn)確把握信息之間的關(guān)聯(lián)，從而導(dǎo)致幻覺和錯誤的答案。例如，對于 “中國最大的電商平臺‘淘寶’的創(chuàng)始人馬云，他畢業(yè)于哪所大學(xué)？” 這樣的問題，RAG 需要分別搜索關(guān)于 “淘寶創(chuàng)始人” 和 “馬云畢業(yè)院校” 的文本塊，再讓 LLM 進(jìn)行推理關(guān)聯(lián)，這一過程容易出現(xiàn)偏差。

與之形成鮮明對比的是，RAS 構(gòu)建的知識圖譜能夠清晰地展現(xiàn)實體之間的邏輯關(guān)系。在處理上述問題時，RAS 所構(gòu)建的知識圖譜中已經(jīng)包含了 “淘寶 - 創(chuàng)始人 - 馬云” 以及 “馬云 - 畢業(yè)院校 - 杭州師范學(xué)院” 這樣的關(guān)系路徑。當(dāng)接收到查詢時，RAS 可以迅速通過知識圖譜找到相關(guān)信息，并依據(jù)圖譜中的邏輯連接進(jìn)行準(zhǔn)確的推理，直接給出 “馬云畢業(yè)于杭州師范學(xué)院” 這一正確答案。

如下圖所示，相較于 RAG 相關(guān)模型，RAS 系列模型在短文本任務(wù)（如 TQA、2WQA、PopQA）、閉集任務(wù)（如 Pub、ARC）以及長文本生成任務(wù)（如 ASQA、ELIS）的各項關(guān)鍵指標(biāo)上均展現(xiàn)出顯著優(yōu)勢，無論是準(zhǔn)確率、綜合指標(biāo) F1，還是文本生成質(zhì)量評估指標(biāo) rouge、mauve，RAS 都更為出色，充分彰顯出其在多任務(wù)場景下相較于 RAG 的性能優(yōu)越性。

什么是 RAS？

好！通過上面的介紹，我們大致了解 RAS 比 RAG 要厲害，具體如何厲害，我們再好好掰扯掰扯！RAS 的關(guān)鍵技術(shù)是通過整合知識結(jié)構(gòu)化技術(shù)（如分類法和知識圖譜），將非結(jié)構(gòu)化文本轉(zhuǎn)化為有組織的知識，從而增強(qiáng)推理和驗證能力。

這句話說起來容易，理解起來有點(diǎn)抽象，再往下看，RAS 通過三個組件實現(xiàn)上述能力：

1. 信息檢索組件：負(fù)責(zé)從外部知識源高效精準(zhǔn)查找與查詢相關(guān)的文本。采用主題范圍檢索機(jī)制，結(jié)合主題分類和語義相關(guān)性，先確定子查詢主題分布，再映射到文檔主題分布，從而檢索出主題特定子語料庫，大幅縮小搜索空間，提升檢索效率與精度。
2. 結(jié)構(gòu)化知識表示組件：是 RAS 區(qū)別于傳統(tǒng) RAG 的核心，將檢索到的非結(jié)構(gòu)化文本轉(zhuǎn)化為知識圖譜、分類法等有組織的知識形式。通過動態(tài)知識結(jié)構(gòu)化，利用 “文本到三元組” 模型把文本段落轉(zhuǎn)換為知識三元組，再迭代合并到特定查詢的知識圖譜中。
3. 結(jié)構(gòu)化知識表示組件：是 RAS 區(qū)別于傳統(tǒng) RAG 的核心，將檢索到的非結(jié)構(gòu)化文本轉(zhuǎn)化為知識圖譜、分類法等有組織的知識形式。通過動態(tài)知識結(jié)構(gòu)化，利用 “文本到三元組” 模型把文本段落轉(zhuǎn)換為知識三元組，再迭代合并到特定查詢的知識圖譜中。
4. 大型語言模型組件：是 RAS 的智能核心，承擔(dān)行動規(guī)劃者和回答者角色。行動規(guī)劃者依據(jù)當(dāng)前知識狀態(tài)，決策是否直接回答、終止檢索或生成子查詢，引導(dǎo)檢索與推理過程；回答者在知識充足時，利用結(jié)構(gòu)化知識生成最終答案，減少幻覺，提升事實一致性與復(fù)雜推理能力。

好！到這里，大概知道 RAS 之所以這么牛，是因為有三大組件，為了方便知道他們是如何工作的。通過如下一張圖來深入了解，RAS通過檢索獲取相關(guān)信息，再將其結(jié)構(gòu)化融入知識圖譜，最終借助 LLM 生成更準(zhǔn)確的內(nèi)容。體現(xiàn)了 “檢索 - 結(jié)構(gòu)化 - 生成” 的執(zhí)行過程。

可以將上述過程進(jìn)行拆解如下：

1. 輸入與檢索階段：看圖的上半部分，以 “分類體系（Taxonomy）、檢索器（Retriever）、查詢（Query）” 為輸入，通過 “Retrieval（檢索）” 步驟，獲取 “主題和語義相關(guān)的文本（Thematically & Semantically Relevant Text）”。這里的分類體系為檢索劃定主題范圍，檢索器結(jié)合查詢精準(zhǔn)找到相關(guān)文本，確保檢索內(nèi)容的針對性。
2. 結(jié)構(gòu)化階段：圖的左下角，對檢索到的文本進(jìn)行 “Structuring（結(jié)構(gòu)化）” 處理，將其轉(zhuǎn)化為 “子圖（Subgraph）”。這一步是 RAS 的關(guān)鍵創(chuàng)新之一，把非結(jié)構(gòu)化的文本信息轉(zhuǎn)化為更有條理、更易被模型利用的圖結(jié)構(gòu)知識單元。
3. 知識圖譜與生成階段：右下角，生成的 “子圖（Subgraph）” 會 “Update（更新）” 到 “知識圖譜（KG）” 中。隨后，“知識圖譜（KG）” 與 “大語言模型（LLM）” 結(jié)合，一方面 LLM 利用知識圖譜中的結(jié)構(gòu)化知識進(jìn)行 “Generation（生成）”，產(chǎn)出最終內(nèi)容；另一方面，生成過程中還會產(chǎn)生 “反饋與子查詢（Feedback & Subquery）”，回傳到最初的檢索環(huán)節(jié)，形成迭代閉環(huán)。

通過對三個關(guān)鍵組件的了解，RAS不僅解決了搜索信息的問題，還解決了如何正確組織信息并通過推理得到答案的問題。

RAS 的四個階段

在了解了 RAS 的三個組件之后，再來看看它在執(zhí)行搜索任務(wù)時，要經(jīng)歷的四個階段。如下圖所示：

上面表格的方式還是有點(diǎn)概念了，這里我們還是使用之前的例子，假設(shè)要搜索：“中國最大的電商平臺‘淘寶’的創(chuàng)始人馬云，他畢業(yè)于哪所大學(xué)？”?？纯匆?jīng)歷如下哪幾個階段：

細(xì)心的你可能已經(jīng)注意到了， RAS 框架并非按 “1-2-3-4” 線性執(zhí)行，而是在階段 3 結(jié)束后回到階段 1，這一循環(huán)設(shè)計需要展開進(jìn)行說明：

RAS 多跳推理

傳統(tǒng) RAG 采用 “單次檢索 + 生成” 的線性架構(gòu)，面對多跳推理（如 “淘寶創(chuàng)始人馬云的畢業(yè)院校” 需先關(guān)聯(lián) “淘寶 - 馬云” 再查 “馬云 - 院校”）或需多信息片段的復(fù)雜任務(wù)時，常因信息不全導(dǎo)致推理失敗。RAS 的循環(huán)流程通過 “多次檢索 - 結(jié)構(gòu)化 - 評估” 的迭代，能持續(xù)補(bǔ)充知識缺口，避免單次檢索的局限性。

LLM 雙重角色

RAS 中 LLM 承擔(dān) “行動規(guī)劃者” 與 “回答者” 兩種角色，這是階段 3 需返回階段 1 的關(guān)鍵前提：

1. 行動規(guī)劃者（階段 1）：負(fù)責(zé) “評估知識狀態(tài)”，判斷當(dāng)前是否需要檢索、是否生成子查詢，是流程的 “決策者”；
2. 回答者（階段 4）：僅在規(guī)劃者判定知識充足后啟動，負(fù)責(zé) “利用結(jié)構(gòu)化知識生成答案”，是流程的 “輸出者”。階段 3 結(jié)束后回到階段 1，本質(zhì)是讓 “決策者” 重新評估新增結(jié)構(gòu)化知識，而非直接讓 “輸出者” 盲目生成，確保答案基于完整信息。

動態(tài)自我完善

階段 3 的核心輸出是 “迭代增強(qiáng)后的知識圖譜”，而回到階段 1 的本質(zhì)是基于這一輸出進(jìn)行 “知識完整性再評估”，具體流程如下：

1. 階段 3 的關(guān)鍵反饋：階段 3 通過 “文本到三元組” 模型，將檢索到的非結(jié)構(gòu)化文本轉(zhuǎn)化為知識三元組（如 “馬云 - 畢業(yè)于 - 杭州師范學(xué)院”），并合并到查詢特定的知識圖譜中，完成知識的 “結(jié)構(gòu)化補(bǔ)充”；
2. 階段 1 的重新評估：增強(qiáng)后的知識會反饋給階段 1 的規(guī)劃者，規(guī)劃者結(jié)合主查詢 Q、歷史子查詢鏈及當(dāng)前知識，判斷知識是否足夠：

• 若知識仍有缺口（如多跳推理中僅完成第一跳），則生成新子查詢，重新進(jìn)入階段 2 檢索，開啟下一輪迭代；
• 若知識已完整覆蓋主查詢需求，則輸出結(jié)果，終止迭代并進(jìn)入階段 4 生成答案。也就是說，階段 3→階段 1 的循環(huán)，是 RAS 實現(xiàn) “動態(tài)自我完善” 的核心：通過持續(xù)評估知識缺口、針對性補(bǔ)充結(jié)構(gòu)化知識，確保最終生成的答案基于完整、精準(zhǔn)的信息。

RAS 分類法作用

前面通過介紹 RAS 處理查詢請求的四個階段，大致知道它的工作原理。如果留心的話，在第二階段提到了 RAS 的“分類法”。分類法是 RAS 框架實現(xiàn) “結(jié)構(gòu)增強(qiáng)檢索” 的關(guān)鍵。

1. 破解傳統(tǒng) RAG 的核心痛點(diǎn)

傳統(tǒng) RAG 將外部信息視為非結(jié)構(gòu)化文本段落，易因信息混亂（如無關(guān)細(xì)節(jié)、非原子化事實）誤導(dǎo) LLM，且難以處理多跳推理等復(fù)雜任務(wù)。而分類法通過 “主題結(jié)構(gòu)化引導(dǎo)”，從根源上解決這兩個問題：既過濾無關(guān)信息，又為復(fù)雜查詢提供清晰的知識檢索路徑。

2. 在 RAS 第二階段的關(guān)鍵價值

分類法通過 “主題引導(dǎo)” 實現(xiàn) “精準(zhǔn)檢索 + 效率提升” 雙重目標(biāo)：

• 智能定位知識方向：RAS 的檢索并非依賴單純的關(guān)鍵詞或語義匹配，而是以領(lǐng)域特定分類為指引，鎖定查詢所屬主題。以 “馬云的畢業(yè)大學(xué)” 為例：當(dāng)系統(tǒng)接收子查詢 “馬云畢業(yè)于哪所大學(xué)？” 時，分類法可直接將其歸類到 “人物傳記”主題，避免檢索范圍擴(kuò)散到無關(guān)領(lǐng)域（如 “商業(yè)”“科技” 等非核心主題）。
• 顯著提升計算效率： “主題預(yù)過濾” 能大幅減少計算資源消耗。據(jù)消融研究顯示，相比僅依賴密集檢索的傳統(tǒng) RAG，基于分類法的主題范圍檢索可減少約 60% 的處理時間 ，因它先通過輕量級主題分類（僅 298 個類維度）完成初步篩選，再對縮小后的語料庫進(jìn)行高精度語義匹配。

RAS 分類法定義

在了解分類法的作用之后，再來看看它是如何實現(xiàn)的。RAS 中的分類法是一種 “樹狀層級結(jié)構(gòu)”，遵循 “從寬泛到具體” 的邏輯組織概念：頂部為父節(jié)點(diǎn)（如 “人物傳記”“教育”），下方延伸出子節(jié)點(diǎn)（如 “人物傳記→企業(yè)家→中國互聯(lián)網(wǎng)人物”“教育→高等教育→師范院校”），形成清晰的主題分類體系。

在文本挖掘中，這種結(jié)構(gòu)可作為 “標(biāo)簽空間結(jié)構(gòu)化工具”，幫助系統(tǒng)快速識別文本所屬主題，為檢索提供明確指引。

分類法的構(gòu)建始于一個 “種子”即最基礎(chǔ)的主題層級框架。后續(xù)通過不同技術(shù)（如實體擴(kuò)展、關(guān)系轉(zhuǎn)移）在寬度（增加同級主題）和深度（延伸子主題）上優(yōu)化，最終形成適配 RAS 需求的領(lǐng)域分類體系。

RAS 分類法實現(xiàn)

分類法在 RAS 中的核心應(yīng)用場景是第二階段的 “主題定界”，通過 “主題分類→分布轉(zhuǎn)換→子語料庫檢索” 三步流程，將子查詢映射到目標(biāo)語料，為后續(xù)密集檢索鋪路。

分類法的構(gòu)建需提前完成，換句話說就是在創(chuàng)建知識庫的時候就需要將原始信息按照一定結(jié)構(gòu)進(jìn)行保存，核心技術(shù)包括：

HiExpan 技術(shù)

通過 “實體擴(kuò)展 + 詞類比細(xì)化”，從領(lǐng)域文本語料中生成任務(wù)特定分類法，確保主題與業(yè)務(wù)場景適配；如下圖所示，展示了分類法（Taxonomy）的構(gòu)建流程，核心是從 “種子分類法” 出發(fā)，結(jié)合文本語料庫中的術(shù)語列表，生成 “任務(wù)導(dǎo)向的分類法”，以實現(xiàn)更精準(zhǔn)的知識組織與檢索。

1. 文本語料庫（Text Corpora）與術(shù)語列表（Term List）：左上角的文本語料庫是信息來源，從中提取出各類術(shù)語，形成術(shù)語列表。這些術(shù)語涵蓋地理（如 U.S、Canada、Texas）、生物分類（如 Species、Genus、Family）、人物（如 M Zuckerberg、D Trump）、領(lǐng)域分類（如 Application、Material）等多個維度，為分類法構(gòu)建提供豐富的詞匯基礎(chǔ)。
2. 用戶輸入 “種子” 分類法（Input “Seed” Taxonomy）：左下角，用戶基于特定任務(wù)（如圖中是 “地理位置分類”），先定義一個初始的 “種子” 分類法。例如，用戶圍繞 “地理位置” 構(gòu)思出以 “Root” 為根，包含 “U.S”“China” 等父節(jié)點(diǎn)，以及 “California”“Illinois” 等子節(jié)點(diǎn)的基礎(chǔ)結(jié)構(gòu)。
3. 生成任務(wù)導(dǎo)向的分類法（Output Task-guided Taxonomy）：系統(tǒng)結(jié)合術(shù)語列表和種子分類法，對分類結(jié)構(gòu)進(jìn)行擴(kuò)展與細(xì)化。在圖中，原本的 “U.S” 節(jié)點(diǎn)下新增了 “Texas”“Arizona”，“China” 節(jié)點(diǎn)下新增了 “Beijing”“Shanghai”，“Canada” 節(jié)點(diǎn)下新增了 “Ontario”“Quebec” 等子節(jié)點(diǎn)，形成了分類體系。

CoRel 技術(shù)

利用預(yù)訓(xùn)練語言模型（PLMs）的關(guān)系轉(zhuǎn)移能力，擴(kuò)展分類法的寬度（增加新主題）和深度（細(xì)化子主題）。

ColRel 使用兩個主要模塊：

1. 關(guān)系轉(zhuǎn)移：該模塊關(guān)注“關(guān)系”，可以將“關(guān)系”在分類法的不同路徑之間轉(zhuǎn)移，擴(kuò)展其寬度和深度。
2. 概念學(xué)習(xí)：加強(qiáng)了每個節(jié)點(diǎn)的含義。它通過嵌入分類法和文本語料庫來實現(xiàn)，因此每個概念都由一組連貫、相關(guān)的術(shù)語表示。

依舊通過如下圖片加深理解。

1. 圖片左側(cè)的 “Input 1: Seed Taxonomy” 是一個簡單的 “種子” 分類結(jié)構(gòu)，根節(jié)點(diǎn)下僅包含Dessert（甜點(diǎn)）和Seafood（海鮮）兩個一級節(jié)點(diǎn)，Dessert下又只有Cake（蛋糕）和Ice-cream（冰淇淋）兩個子節(jié)點(diǎn) —— 這與文字中 “分類法構(gòu)建通常始于一個基本的‘種子’結(jié)構(gòu)” 完全對應(yīng)。
2. 圖片右側(cè)的 “Output: Topical Taxonomy” 則是擴(kuò)展后的完整分類體系：

a.寬度擴(kuò)展：根節(jié)點(diǎn)下新增了Food、Menu、Course、Dinner、Salad等新主題（對應(yīng)文字中 “擴(kuò)展分類法的寬度（增加新主題）”）；

b.深度擴(kuò)展：原有節(jié)點(diǎn)的子層級被大幅細(xì)化（如Cake下新增Crème Br?lée、Tiramisu等子主題；Seafood下細(xì)分出Oysters、Crabs等子類別，且每個子類別又有更細(xì)的劃分）—— 這對應(yīng)文字中 “擴(kuò)展分類法的深度（細(xì)化子主題）”。

CoRel 技術(shù)的核心機(jī)制在圖片中的體現(xiàn)

前文提到 CoRel 的關(guān)系轉(zhuǎn)移模塊能 “泛化種子的父子關(guān)系，推導(dǎo)出更廣泛的概念層級聯(lián)系”，而圖片的擴(kuò)展過程正是這一機(jī)制的直觀體現(xiàn)：

1. 種子分類法中 “Dessert是Cake的父節(jié)點(diǎn)”“Seafood是Crab類的父節(jié)點(diǎn)” 這些初始父子關(guān)系，被模型學(xué)習(xí)并 “轉(zhuǎn)移” 到新的概念上（如新增的Salad與其子節(jié)點(diǎn)Dressing、Menu Items的層級關(guān)系，Oysters與其子節(jié)點(diǎn)Fresh Oysters、Raw Oysters的層級關(guān)系），從而實現(xiàn)分類法的自動化擴(kuò)展。
2. 文字中 “概念學(xué)習(xí)模塊通過嵌入分類法和文本語料庫（Input 2: Corpus），讓每個概念由連貫的術(shù)語表示”，也解釋了圖片中每個節(jié)點(diǎn)下為何會有一組具體、相關(guān)的術(shù)語（如Cake下的Crème Br?lée、Chocolate Cake等，都是對 “蛋糕” 這一概念的連貫術(shù)語擴(kuò)展）。

總結(jié)

本文先闡述 LLMs 的短板，引出 RAG 范式，又指出其在信息誤導(dǎo)和邏輯連接上的不足，進(jìn)而介紹 RAS 技術(shù)。RAS 通過將非結(jié)構(gòu)化文本轉(zhuǎn)化為結(jié)構(gòu)化知識（如知識圖譜、分類法），結(jié)合三大組件和四階段迭代流程，有效解決了傳統(tǒng) RAG 的問題，在多任務(wù)中性能更優(yōu)。分類法作為 RAS 的關(guān)鍵，借助 HiExpan 和 CoRel 技術(shù)從 “種子” 分類法擴(kuò)展而來，為檢索精準(zhǔn)定界，提升效率。RAS 的創(chuàng)新在于 “結(jié)構(gòu)化” 處理，使 LLMs 能基于完整、精準(zhǔn)的結(jié)構(gòu)化知識生成答案，尤其在復(fù)雜推理任務(wù)中表現(xiàn)突出，為 LLMs 在現(xiàn)實應(yīng)用中克服短板提供了有效方案，展現(xiàn)出在知識密集型領(lǐng)域的廣闊應(yīng)用前景。

作者介紹

崔皓，51CTO社區(qū)編輯，資深架構(gòu)師，擁有18年的軟件開發(fā)和架構(gòu)經(jīng)驗，10年分布式架構(gòu)經(jīng)驗。

參考論文

https://arxiv.org/pdf/2509.10697

https://arxiv.org/pdf/2502.10996v1