🔬 materials science

VecTree-RAG: An Agentic Retrieval-Augmented Generation Framework Combining Vector and Tree Retrieval for Efficiency and Accuracy

O VecTree-RAG é um framework de geração aumentada por recuperação agêntica que combina busca vetorial para o ranqueamento de documentos em nível de corpus com travessia de árvore guiada por raciocínio para localização precisa de evidências, alcançando desempenho de estado da arte e eficiência aprimorada em benchmarks de perguntas e respostas científicas ao preservar e alavancar o contexto estrutural da literatura acadêmica.

Autores originais: Xinyan Zhong, Yuwei Shi, Yuqi Wei, Chen Shen, Tianhang Zhou, Zhenghao Wu

Publicado 2026-07-28

📖 5 min de leitura🧠 Leitura aprofundada

CC BY 4.0

Autores originais: Xinyan Zhong, Yuwei Shi, Yuqi Wei, Chen Shen, Tianhang Zhou, Zhenghao Wu

Artigo original sob licença CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). ✨ Esta é uma explicação gerada por IA do artigo abaixo. Não foi escrita nem endossada pelos autores. Para precisão técnica, consulte o artigo original. Ler aviso legal completo

Imagine que você está tentando resolver um mistério massivo e de múltiplas camadas, mas em vez de um único caderno, você tem uma biblioteca contendo milhares de livros espessos e complexos. No mundo da inteligência artificial, este é o desafio do "Questionamento Científico" (Scientific Question Answering). Cientistas e computadores precisam encontrar as respostas certas escondidas dentro de artigos de pesquisa, mas esses artigos não são apenas listas de fatos; eles são histórias estruturadas com capítulos, métodos, figuras e argumentos.

Para enfrentar isso, pesquisadores usam uma técnica chamada Geração Aumentada por Recuperação (RAG - Retrieval-Augmented Generation). Pense no RAG como um bibliotecário superinteligente que não apenas memoriza fatos, mas consegue ir até lá, encontrar o livro certo, ler as páginas relevantes e então escrever uma resposta perfeita para você. No entanto, os bibliotecários tradicionais costumam cometer um erro: eles despedaçam os livros em pequenos fragmentos aleatórios (como sentenças individuais) e os misturam todos em uma pilha gigante. Se você fizer uma pergunta, o bibliotecário pega um punhado desses fragmentos. O problema é que um fragmento sobre um método científico pode acabar longe dos resultados que ele explica, ou o contexto pode ser perdido, deixando a IA confusa sobre o que aquele fragmento realmente significa. É como tentar resolver um quebra-cabeça quando alguém embaralhou todas as peças de mil quebra-cabeças diferentes em uma única caixa.

Este artigo introduz uma maneira nova e mais inteligente de ser esse bibliotecário. Os pesquisadores, liderados por Xinyan Zhong e Zhenghao Wu, construíram um sistema chamado VecTree-RAG. Em vez de despedaçar os livros, este sistema respeita a estrutura original dos documentos. Ele utiliza uma estratégia de dois passos: "localizar-então-ler". Primeiro, utiliza um scanner de alta velocidade para encontrar rapidamente os livros e capítulos certos (usando busca "vetorial", que é como combinar a vibe ou o significado da sua pergunta com o título e o resumo do livro). Segundo, uma vez que sabe qual livro e capítulo observar, ele utiliza um sistema de navegação em "árvore" para percorrer a estrutura do documento, encontrando a página exata onde a evidência reside. Ele só abre as páginas pesadas para ler as letras miúdas quando é absolutamente necessário. Essa abordagem mantém a "história" da ciência intacta, garantindo que a IA veja os métodos, figuras e conclusões em sua ordem apropriada.

A Descoberta do Artigo

Os autores testaram este novo sistema "VecTree-RAG" contra outros quatro métodos populares em três tipos diferentes de desafios científicos. Eles queriam ver se manter a estrutura do documento realmente ajudava a IA a obter melhores respostas e a encontrar a evidência correta.

Os Resultados: Um Vencedor Claro
O sistema VecTree-RAG não apenas foi bem; ele superou todos os outros métodos que os pesquisadores testaram.

Em perguntas de artigo único (QASPER): Quando questionado para responder com base em apenas um artigo específico, o VecTree-RAG obteve uma pontuação de correção de 0,800 (conforme julgado por outra IA). Os próximos melhores métodos pontuaram apenas em torno de 0,750. Mais importante ainda, o VecTree-RAG foi muito melhor em apontar para a página exata onde a resposta foi encontrada. Sua "precisão de evidência" foi de 0,274, enquanto os outros métodos tiveram dificuldades, pontuando entre 0,046 e 0,071. Isso significa que o VecTree-RAG era muito menos propenso a perder tempo lendo páginas irrelevantes.
Na busca pelo artigo certo em uma biblioteca (LitQA2): Quando a tarefa era encontrar qual entre 61 artigos continha a resposta, o VecTree-RAG alcançou 0,925 de precisão. Os outros métodos variaram de 0,759 a 0,889.
Na combinação de muitos artigos (MOSAIC): Este foi o teste mais difícil, exigindo que a IA sintetizasse informações de 5 a 7 artigos diferentes para responder a uma única pergunta. O VecTree-RAG pontuou 0,547, superando a próxima melhor pontuação de 0,503.

O Que o Artigo Descarta
Os pesquisadores argumentam explicitamente contra a ideia de que simplesmente ler mais texto ou achatar os documentos em fragmentos aleatórios seja a solução. Eles descobriram que expandir a busca para incluir mais passagens aleatórias (como as linhas de base de "Dense RAG") na verdade tornava o trabalho da IA mais difícil ao adicionar "ruído" e redundância. O artigo sugere que jogar mais dados no problema sem entender a estrutura do documento é ineficiente e frequentemente leva a respostas piores. Eles também demonstraram que seu sistema não apenas adivinhou; ele utilizou um método de "divulgação progressiva", o que significa que começou com resumos pequenos e baratos e só "pagou" pela leitura completa e cara do texto quando tinha certeza de que estava no caminho certo.

O Quão Certos Eles Estão?
Os autores estão bastante confiantes nesses resultados porque testaram o sistema em conjuntos de dados reais e de acesso aberto com perguntas específicas e pré-definidas. Eles não apenas simularam os resultados; eles executaram os agentes de IA reais através dos testes várias vezes (usando três "seeds" ou pontos de partida diferentes) para garantir que as pontuações fossem consistentes. Eles mediram os resultados usando regras rigorosas, como ter uma IA separada para avaliar as respostas em relação às corretas. Embora reconheçam que seu sistema exige mais etapas (e, portanto, mais tempo de computador) do que uma busca simples de um passo, eles demonstram que esse esforço extra leva a uma precisão significativamente maior e a uma localização de evidências muito melhor. O artigo sugere que, para questões científicas complexas, essa abordagem "consciente da estrutura" é uma atualização necessária em relação aos antigos métodos "planos".

Resumo Técnico: VecTree-RAG

Declaração do Problema

O questionamento científico (QA) enfrenta um desafio duplo: identificar artigos relevantes dentro de um grande corpus e localizar evidências de suporte específicas dentro desses artigos. Os sistemas convencionais de Geração Aumentada por Recuperação (RAG) geralmente abordam ambas as tarefas tratando os documentos como fragmentos de comprimento fixo e realizando a busca por similaridade sobre esses pedaços. Os autores argumentam que essa abordagem descarta a hierarquia de seções inerente aos artigos científicos, muitas vezes separando alegações de seu contexto metodológico ou argumentativo necessário. Além disso, expandir o número de fragmentos recuperados para compensar essa perda frequentemente introduz redundância e obscurece evidências úteis, enquanto fragmentos planos falham em representar as relações estruturais entre resultados, métodos e qualificações.

Metodologia: VecTree-RAG

O VecTree-RAG é um framework agêntico projetado para separar a descoberta ao nível do corpus da localização de evidências dentro do documento usando um fluxo de trabalho de "localizar-então-ler". Ele emprega dois mecanismos de recuperação complementares coordenados por um agente do tipo ReAct.

1. Modelagem de Estrutura de Documento e Indexação Verificada

Ao contrário da indexação padrão baseada em fragmentos (chunks), o VecTree-RAG preserva a hierarquia de seções nativa de cada artigo.

Árvores Verificadas pela Fonte: Os PDFs são analisados em uma estrutura de árvore ( $T_d$ ) onde os nós representam seções. Cada nó contém um título, um resumo e um intervalo de páginas fundamentado no documento de origem.
Verificação: Um LLM extrai títulos de seções e intervalos de páginas, que são validados contra o texto de origem usando uma regra de substring insensível a maiúsculas/minúsculas com uma tolerância de $\pm 1$ página. Entradas que falham passam por rodadas de reparo.
Armazenamento: O índice armazena representações compactas de documentos e seções (títulos, resumos, metadados), mas retém o texto completo das páginas e figuras em repositórios de origem separados, evitando um repositório vetorial de nível de passagem para o texto bruto.

2. Interface de Divulgação Progressiva

O sistema expõe informações em três camadas de tamanho de carga útil crescente para gerenciar a eficiência de tokens e o contexto:

Camada 0 (Busca): Utiliza recuperação híbrida (embeddings densos SPECTER2 + sinais esparsos BM25) sobre entradas de documentos e seções para classificar candidatos a artigos. Retorna apenas metadados e títulos de seções correspondentes (~50 tokens/resultado).
Camada 1 (Navegação na Árvore): O agente navega pela árvore de seções verificada pela fonte dos artigos pré-selecionados usando get_document_tree e search_within_paper. Isso expõe estruturas de seções e resumos (200–500 tokens/doc) sem carregar imediatamente o texto completo.
Camada 2 (Conteúdo): Somente após a localização estrutural é que o agente solicita o conteúdo específico da página (get_page_content) ou figuras (get_page_image), expondo o texto completo e imagens (500–2.000 tokens/página).

3. Fluxo de Trabalho Agêntico

Um agente do tipo ReAct gerencia a interação, intercalando raciocínio com chamadas de ferramentas. O agente é limitado por um orçamento (até 30 iterações) e é instruído a pesquisar antes de abrir documentos e a citar evidências ao nível da página. O agente seleciona ações de um conjunto de sete ferramentas que abrangem as três camadas de divulgação, permitindo que refine sua busca de "qual artigo?" para "qual seção?" para "qual página?".

Principais Contribuições

Framework VecTree-RAG: Um sistema RAG agêntico que atribui o ranking semântico entre documentos à recuperação vetorial e a navegação consciente da estrutura dentro dos documentos à recuperação em árvore, utilizando um fluxo de trabalho de localizar-então-ler.
Índice Hierárquico Verificado pela Fonte: Um método de indexação inovador que vincula representações de documentos/seções às páginas originais, permitindo indexação compacta e localização de evidências rastreável sem depender de um repositório vetorial de nível de passagem para o texto bruto.
Benchmark MOSAIC: A introdução de um novo conjunto de dados para síntese científica multidocumento, contendo 49 perguntas de texto livre sobre 124 artigos. Cada pergunta requer evidências de 5 a 7 artigos, testando capacidades de agregação, comparação e inferência de múltiplos saltos (multi-hop).

Resultados Experimentais

O framework foi avaliado em três benchmarks: QASPER (QA de documento único), LitQA2 (QA de fonte única ao nível do corpus) e MOSIC (síntese de múltiplos documentos).

QASPER (300 perguntas): O VecTree-RAG alcançou a pontuação de correção de juiz LLM mais alta de 0,800, superando Dense RAG (0,750), Reranked Dense RAG (0,757), RAPTOR (0,690) e Search-o1 (0,757). Crucialmente, demonstrou localização de evidência superior com uma precisão de página de evidência de 0,274, comparado a 0,046–0,071 para os baselines, mantendo alta revocação (recall) de 0,737.
LitQA2 (54 perguntas): O VecTree-RAG alcançou uma acurácia de 0,925, superando todos os baselines (Dense RAG: 0,870; Reranked: 0,889; RAPTOR: 0,815; Search-o1: 0,759). Estudos de ablação indicaram que a arquitetura completa de vetor-árvore exigiu menos tokens de inferência do que variantes que careciam de navegação em árvore ou roteamento vetorial ao nível do corpus.
MOSAIC (49 perguntas): O VecTree-RAG obteve uma pontuação composta de 0,547 (0,75 F1-factualidade + 0,25 cosseno SPECTER escalonado), superando todos os baselines, incluindo o Dense RAG de contexto expandido (0,503). Demonstrou significativamente melhor revocação de evidência (0,586) e precisão (0,221) em comparação com outros métodos.

Significância e Alegações

O artigo afirma que o VecTree-RAG fornece uma arquitetura consciente da estrutura e rastreável para o questionamento de literatura científica. Ao tratar a estrutura autoral de um artigo como uma interface de recuperação em vez de achatá-la, o sistema efetivamente estreita o espaço de busca ao nível do corpus via recuperação vetorial e concentra a leitura em evidências estruturalmente relevantes via navegação em árvore.

Os autores observam que, embora a inferência de múltiplos turnos permaneça mais cara do que a recuperação de chamada única em termos de custos cumulativos de API, o framework oferece uma vantagem distinta na eficiência da pegada do índice (dependendo de entradas estruturais em vez de fragmentos de texto) e na acurácia da localização de evidências. Os resultados sugerem que separar as tarefas de "encontrar o artigo" e "encontrar a evidência" permite maior precisão no QA científico, particularmente ao lidar com tarefas complexas de síntese de múltiplos documentos, onde o contexto e as relações estruturais são críticos.