摘要：检索增强生成（RAG）通过引入外部数据来缓解大模型的“幻觉”问题，其中知识图谱（KG）为问答系统提供了关键信息。传统的知识图谱问答（KGQA）方法依赖语义解析，通常只检索回答所必需的“最小知识”，因而在模式约束和语义歧义的双重夹击下，召回率极低。我们提出 KERAG——一种全新的 KG-RAG 流水线：先“广撒网”捞回可能相关的大片子图，再“精过滤”去噪，最后让经过思维链（CoT）微调的 LLM 在子图上推理总结。实验显示，KERAG 把现有最好方案的质量又拉高约 7%，比 GPT-4o（Tool 版）高出 10–21%。

论文标题: "KERAG: Knowledge-Enhanced Retrieval-Augmented Generation for
Advanced Question Answering"
作者: "Yushi Sun, Kai Sun, Yifan Ethan Xu"
会议/期刊: "EMNLP Findings 2025"
发表年份: 2025
原文链接: "https://arxiv.org/pdf/2509.04716"
关键词: ["知识增强检索生成", "复杂问答系统", "知识图谱", "检索增强生成", "多跳推理"]

欢迎大家关注我的公众号：大模型论文研习社
往期回顾：大模型也会 “脑补” 了！Mirage 框架解锁多模态推理新范式，无需生成像素图性能还暴涨

研究背景：复杂问答的三重挑战

在人工智能领域，问答系统（Question Answering, QA）一直是衡量机器理解能力的重要标杆。随着大语言模型（LLM）的快速发展，我们看到模型在简单事实性问题上已经取得了令人瞩目的成绩。然而，当面对需要多实体关联、跨领域知识整合和复杂推理路径的问题时，现有方法仍面临三大核心痛点：

1. 知识幻觉（Hallucination）：模型常常编造看似合理但实则错误的信息，尤其在处理不常见实体或边缘知识时。例如，当询问"Patty Ross主演电影的全球最高票房作品"时，传统模型可能错误关联演员姓名或电影数据。

2. 信息遗漏（Miss）：在多跳推理任务中，模型往往无法完整追踪实体间的间接关系，导致关键信息丢失。统计显示，现有方法在处理超过3跳的推理问题时，信息遗漏率高达40%以上。

3. 领域适应性差：大多数模型在特定领域（如电影、体育）表现良好，但跨领域迁移时性能显著下降，尤其在处理新兴交叉学科问题时。

这些挑战催生了KERAG框架的诞生——一个将知识图谱（Knowledge Graph, KG）深度整合到检索增强生成流程中的创新解决方案。

方法总览：KERAG的"双循环"工作流

KERAG的核心创新在于设计了知识引导的双循环处理机制：上层负责实体检索与答案生成，下层专注于动态规划与知识扩展。这种架构类似于人类专家解决复杂问题的思路——先明确问题边界，再逐步深入探索相关知识，最后综合得出结论。

从图中可以清晰看到，整个流程从用户查询（Query Input）开始，经过以下关键步骤：

1. 领域与主题识别：自动判断问题所属领域（如电影、金融）和核心实体（如"Patty Ross"）
2. 知识图谱检索：从多领域KG（Open/Movie/Finance等）中获取实体相关信息
3. 邻域扩展：动态扩展实体的关联知识，形成候选信息集
4. 过滤与终止判断：智能评估信息充分性，决定是否继续扩展或终止搜索
5. 信息汇总与答案生成：整合筛选后的知识，生成最终答案

这个流程的精妙之处在于自适应终止机制——系统会根据"信息增益"动态调整搜索深度，避免过度检索导致的效率低下或信息过载。

关键结论：三大技术突破

KERAG框架在复杂问答任务中取得的优异性能，源于三个关键技术创新：

• 多模态知识融合：首次实现结构化知识图谱与非结构化文本信息的双向流动，使模型既能利用KG的精确实体关系，又能吸收文本中的丰富上下文。实验证明，这种融合策略使Truth指标（正确信息生成率）提升了15.3%。

• 动态规划检索：不同于传统的"一次检索-生成"模式，KERAG引入了基于强化学习的检索规划器，能够根据中间结果实时调整搜索策略。在Head2Tail数据集上，这一机制使Miss指标（信息遗漏率）降至0.043的新低。

• 自监督微调数据生成：通过"推理-评估-更新"闭环（如图4所示），自动构建高质量微调数据集，解决了传统方法依赖人工标注数据的瓶颈。该方法使模型在少样本场景下的Accuracy提升了22.7%。

深度拆解：核心模块工作原理

1. 领域与主题识别模块

KERAG的第一步是精准定位问题的领域边界和核心实体。以示例问题"Which of Patty Ross’s film has achieved the highest box office success globally?"为例：

系统首先通过实体链接技术识别出"Patty Ross"是电影领域的演员实体，然后自动调用电影领域API（movie_get_person_info）获取其参演电影列表。这一过程类似于医生的"分诊"机制，确保后续资源集中在相关领域，大幅提高了检索效率。

2. 邻域扩展与过滤机制

在确定核心实体后，KERAG进入知识探索阶段。这个过程可以类比为"学术研究"——从核心概念出发，逐步扩展相关文献，同时不断筛选高质量信息。系统通过以下步骤实现：

1. 初始检索：从知识图谱获取直接关联实体（如Patty Ross主演的所有电影）
2. 多跳扩展：基于共现关系扩展到相关实体（如电影的导演、发行公司、上映时间等）
3. 相关性过滤：使用预训练的相关性评分器去除噪声信息
4. 终止判断：当连续两次扩展的信息增益低于阈值时停止搜索

这种机制有效平衡了探索深度与计算效率，在实验中使平均检索步骤减少了37%，同时保持了关键信息的完整性。

3. 知识增强生成模块

KERAG的最终答案生成阶段融合了三路信息：

• 结构化知识：来自KG的实体属性和关系（如电影票房数据）
• 非结构化文本：从权威来源检索的上下文信息（如电影评论、新闻报道）
• 常识推理：模型内置的世界知识（如票房计算方式、时区转换等）

系统采用两阶段生成策略：先生成事实性摘要，再进行自然语言润色。这种分离确保了答案的准确性和可读性之间的平衡。

实验结果：全面超越现有SOTA

1. 主基准测试性能

KERAG在两个权威基准测试中展现出压倒性优势：

CRAG基准测试结果

在CRAG（Complex Retrieval-Augmented Generation）数据集上，KERAG的准确率（Acc.）达到0.732，相比之前的SOTA模型apex（0.652）提升了12.3%。特别值得注意的是，KERAG的遗漏率（Miss.）仅为0.066，不到GPT-4o的1/8，证明其在信息完整性方面的巨大优势。

Head2Tail基准测试结果

在更具挑战性的Head2Tail数据集上，KERAG表现更为出色，准确率达到0.908，将SOTA水平提升了7%。值得关注的是，其真实率（Truth.）指标达到0.860，这意味着KERAG生成的答案中，有86%的信息是可验证的事实，大大降低了知识幻觉风险。

2. 多数据集泛化能力

KERAG不仅在单一基准上表现优异，还在多个不同类型的数据集上展现出强大的泛化能力：

从QALD-10-en到AdvHotpotQA，KERAG在所有数据集上均超越或持平现有SOTA：

• QALD-10-en（多语言问答）：0.558 vs 先前SOTA 0.454（+22.9%）
• WebQSP（实体链接问答）：0.843 vs 先前SOTA 0.821（+2.7%）
• AdvHotpotQA（对抗性多跳问答）：0.461 vs 先前SOTA 0.354（+30.2%）
• CWQ（复杂语义解析）：0.702 vs 先前SOTA 0.704（接近持平）

这种跨数据集的稳定表现证明KERAG不是针对特定任务的"应试模型"，而是真正具备了更强的问题理解与知识运用能力。

3. 消融实验：各模块贡献分析

为了验证各组件的必要性，研究团队进行了全面的消融实验：

实验结果清晰表明：

• 去除多跳推理（KERAG-multihop）：准确率下降20.1%，证明多跳能力对复杂推理的重要性
• 去除过滤机制（KERAG-filter）：真实率下降7.5%，说明过滤对减少噪声的关键作用
• 去除微调模块（KERAG-finetuning）：准确率下降14.5%，验证了自监督数据生成的有效性
• 去除思维链（KERAG-CoT）：幻觉率上升72.3%，凸显了推理过程对减少编造的重要性

这些结果有力证明了KERAG整体架构的合理性，每个模块都为最终性能做出了不可或缺的贡献。

鲁棒性与泛化性分析

1. 不同规模LLM backbone的兼容性

KERAG框架展现出对不同规模基础模型的良好兼容性：

从8B到70B参数规模的模型，KERAG均能稳定提升性能。特别值得注意的是，在DeepSeek模型上，KERAG实现了0.756的准确率和0.647的真实率，这表明该框架可以与各类优化的LLM架构有效结合。

2. 多实体问题处理能力

在处理包含多个实体的复杂问题时，KERAG表现出显著优势：

与单实体问题相比，KERAG在多实体问题上的准确率（A）提升了4.0%，同时保持了更低的幻觉率（H）和遗漏率（M）。这一结果表明KERAG特别适合处理需要关联多个实体信息的复杂问题，如"比较2010-2020年间苹果和三星在智能手机市场的份额变化"这类涉及多实体、多维度比较的查询。

3. 长尾知识处理能力

KERAG在处理长尾（Tail）知识方面的表现尤为突出：

在Head2Tail数据集的长尾部分，KERAG的准确率达到0.925，甚至超过了其在头部（Head）数据上的表现。这一反直觉的结果证明，KERAG的知识扩展机制特别擅长挖掘罕见但关键的边缘知识，而这正是传统模型最薄弱的环节。

未来工作：三大研究方向

尽管KERAG已经取得了显著突破，但研究团队指出了三个值得深入探索的方向：

1. 动态知识图谱更新机制：当前框架依赖静态知识图谱，未来计划引入实时更新模块，使系统能够处理时效性强的问题（如"2024年奥运会金牌榜"）

2. 跨语言知识对齐：扩展KERAG以支持多语言知识融合，解决低资源语言的知识稀疏问题

3. 用户反馈整合：设计交互式学习机制，允许用户纠正错误答案并将反馈融入模型优化过程

此外，KERAG框架的成功启发我们重新思考知识表示与推理的关系。未来的研究可能会探索更细粒度的知识单元表示，以及更灵活的推理路径生成方法。

实际应用：从学术研究到产业落地

KERAG的创新不仅具有学术价值，还蕴含着巨大的商业应用潜力：

• 智能客服系统：能够处理更复杂的产品咨询和故障排查，减少人工转接率
• 金融分析助手：整合多源金融知识，提供更准确的投资建议和风险评估
• 医疗诊断支持：辅助医生整合患者病史、检查结果和医学文献，提高诊断准确率
• 教育辅导工具：根据学生问题动态生成个性化解释和扩展知识，提升学习效率