GraphRAG 在多跳推理任务上表现如何？

GraphRAG 借助知识图谱的路径结构，在多跳推理任务上明显优于纯向量检索方案。

1. 多跳推理的含义

• 多跳推理指回答一个问题需要串联多个分散的信息片段，像接力一样逐跳推导
• 例如"发明了 Transformer 架构的核心成员后来创办了哪家公司"，需要依次定位作者、其任职经历与创业信息

2. 图谱对多跳推理的支撑

• 知识图谱显式记录了实体之间的关系，中间节点之间的逻辑联系不会因分块而被割裂
• 系统可沿图谱路径遍历，将跨文档的关联线索串联为完整推理链
• 相比仅凭向量相似度召回，图谱路径能够更可靠地补齐推理所需的中间环节

3. 表现结论

• 官方研究指出，在多跳与综合推理类基准上，GraphRAG 相比朴素 RAG 取得了更优结果
• 其 DRIFT 等检索模式进一步融合了局部实体邻域与社区上下文，增强了混合问题的推理表现