MOSAIC：GraphRAG的查询感知探索策略适配
原文标题：MOSAIC: Query-Aware Exploration Policy Adaptation for GraphRAG
重要度 3/5 · AI 综合评估报道影响力与新鲜度，4–5 分为高价值资讯。
论文指出GraphRAG多数系统对查询采用共享探索流程，造成结构性错配。提出免训练框架Mosaic，将检索形式化为逐查询控制问题，由LLM分析器生成种子选择、图遍历、停止与证据选择的有界策略。在GraphRAG-Bench上医学与小说答案正确率分别提升5.13与4.43分，路径评估减少81.9%。
- 问题
- GraphRAG 对多数查询共用探索流程，导致检索结构与问题需求错配。
- 方法
- 免训练框架 Mosaic，用 LLM 分析器为每个查询生成种子选择、遍历、停止与证据选择的有界策略。
- 结果
- GraphRAG-Bench 医学与小说答案正确率提升 5.13 与 4.43 分，路径评估减少 81.9%。
- 影响
- 查询级自适应检索可直接替换现有 GraphRAG 共享流程，降低图遍历成本并提升答案质量。
深读 · 结论先行AI 生成展开看要点与影响 ↓
Mosaic按查询定制GraphRAG探索策略，医学与小说正确率提升5.13与4.43分
- •免训练框架，把检索形式化为逐查询控制问题，LLM分析器生成有界策略
- •策略覆盖种子选择、图遍历、停止与证据选择，图与生成器保持共享
- •GraphRAG-Bench上医学76.97、小说64.33，较最强已报结果提升5.13与4.43分
- •医学上证据召回95.1、上下文相关性86.1；较Fixed Wide少评估81.9%路径、少保留47.2%证据
- •同图同生成器对比中，无固定窄/中/宽策略始终最优，Mosaic较最强固定策略高9.96分
为什么重要：说明GraphRAG的共享探索流程存在结构性错配，按查询适配策略可在更少路径与证据下取得更高正确率。
以上深读由 AI 依据标题/摘要/正文节选生成，仅供参考；事实以原文为准。
AI 处理过程展开/收起
相关推荐
OpenAI 宣布数学、计算机科学、物理学三项新发现
AI 摘要OpenAI 宣布在调和分析、复杂性理论和量子场论三个方向取得新发现，并采用与学术界合作的新方法。公司邀请外部专家组织团队理解研究结果，参与者无需签署保密协议、可自由讨论并发表结论，且为自愿无报酬。OpenAI 表示不会为内部模型产生的发现寻求学术署名。
数学家称需数年消化 OpenAI 最新数学成果
AI 摘要OpenAI 本周突然发布近 400 项 AI 生成的数学成果，分布在 700 多份手稿中，覆盖组合数学、几何、数论等多个领域。多位数学家表示「震惊」「难以置信」，认为仅理解这些成果就需数年，且验证程度参差不齐。
OpenAI 公布数学难题突破成果
AI 摘要OpenAI 发布由未公开前沿模型生成的 722 篇数学手稿，覆盖 372 个成果族，声称解决了数百个长期未解问题，并公开 Lean 形式化证明与算力估算。此举延续了 AI 冲击数学界的势头，也引发研究伦理与学术规范的争议。独立顾问组织 AGMAI 呼吁实验室通过正规学术渠道发布成果，而非将其当作营销工具。
OpenAI 再抛数学突破成果引争议
AI 摘要OpenAI 公布 722 篇手稿，称未发布的前沿模型解决了数百个数学开放问题，平均每个结果消耗约三小时 ChatGPT Pro 级算力。成果虽令人震撼，但数学界对发布方式、研究伦理与学术规范提出质疑。AGMAI 建议实验室及时通过正规渠道披露模型、提示词与算力成本，避免把成果当作营销手段。