💬 NLP

DeepSieve: Information Sieving via LLM-as-a-Knowledge-Router

本文提出了 DeepSieve，一种基于 LLM 作为知识路由器的代理式检索增强生成（RAG）框架，它通过将复杂查询分解为结构化子问题并递归路由至最合适的知识源，结合多阶段信息蒸馏过滤无关内容，从而在异构数据源的多跳问答任务中显著提升了推理深度、检索精度和可解释性。

原作者： Minghao Guo, Qingcheng Zeng, Xujiang Zhao, Yanchi Liu, Wenchao Yu, Mengnan Du, Haifeng Chen, Wei Cheng

发布于 2026-03-03

📖 1 分钟阅读☕ 轻松阅读

CC BY 4.0

原作者： Minghao Guo, Qingcheng Zeng, Xujiang Zhao, Yanchi Liu, Wenchao Yu, Mengnan Du, Haifeng Chen, Wei Cheng

原始论文采用 CC BY 4.0 许可（http://creativecommons.org/licenses/by/4.0/）。 ✨ 这是对下方论文的AI生成解释。它不是由作者撰写或认可的。如需技术准确性，请参阅原始论文。阅读完整免责声明

这篇论文介绍了一个名为 DeepSieve（深度筛） 的新系统。简单来说，它解决了一个大难题：当人工智能（LLM）面对复杂问题，且答案散落在各种不同格式、不同来源的“资料库”里时，它该怎么办？

为了让你轻松理解，我们可以把传统的 AI 问答系统比作一个**“只会死记硬背的学生”，而 DeepSieve 则像是一个“经验丰富的老侦探”**。

1. 传统 AI 的困境：死记硬背的“学生”

想象一下，你问一个学生：“埃里克·霍特（Erik Hort）的出生地属于哪个国家？”

传统 AI (RAG) 的做法：它手里有一本巨大的、混在一起的百科全书（把所有资料都塞进一个索引里）。当它听到问题，它会像无头苍蝇一样在书里乱翻，试图找到包含“埃里克”和“国家”的段落。
问题出在哪？
- 资料太乱： 有些资料是数据库里的表格（像 Excel），有些是网页文章，有些是私密的员工记录。把它们混在一起，就像把菜谱、汽车说明书和私人日记揉成一团，很难找。
- 问题太复杂： 这个问题需要“多跳”推理。你得先知道“埃里克出生在哪里”（蒙特贝洛），然后再查“蒙特贝洛在哪里”（纽约州），最后查“纽约州属于哪个国家”（美国）。传统 AI 往往只盯着第一层，或者在混乱的资料里猜一个答案（比如瞎猜“美国”），却说不清为什么。

2. DeepSieve 的解决方案：老侦探的“四步破案法”

DeepSieve 引入了一个核心概念：“信息筛分” (Information Sieving)。它不试图一次性吞下所有信息，而是像用筛子一样，把信息一层层过滤、分类。

它的工作流程就像侦探破案，分为四个步骤：

第一步：拆解任务 (Decomposition) —— “把大案子拆成小线索”

比喻： 侦探不会直接喊“抓凶手！”，而是先把大案子拆解成几个小任务：
1. 查埃里克的出生地是谁？
2. 查那个出生地属于哪个州？
3. 查那个州属于哪个国家？
作用： 把复杂的“大石头”敲碎成容易搬运的“小石子”。

第二步：智能路由 (Routing) —— “把线索交给最专业的人”

比喻： 这是 DeepSieve 最厉害的地方。它有一个**“知识路由器”**（就像侦探社里的调度员）。
- 如果线索是“埃里克的出生地”，调度员会想：“这属于公司内部人事记录”，于是把任务派给SQL 数据库（像查员工档案）。
- 如果线索是“蒙特贝洛属于哪个州”，调度员会想：“这是地理常识”，于是派给维基百科或搜索引擎。
作用： 它不再去那本混在一起的“大百科全书”里乱翻，而是精准地把每个小问题派给最擅长回答它的“专家”。这解决了资料格式不同、无法合并的难题。

第三步：反思与重试 (Reflexion) —— “发现走错路，立刻掉头”

比喻： 侦探派出的探员如果带回了错误的信息（比如查到了错误的蒙特贝洛），DeepSieve 不会硬着头皮继续，而是会**“反思”**：“等等，这个答案好像不对，或者资料太模糊了。”
行动： 它会立刻重新规划，换个思路，或者换个资料源再查一次。这就像侦探发现线索断了，马上换条路走，直到找到真相。

第四步：拼图融合 (Fusion) —— “拼出完整真相”

比喻： 当所有小线索（出生地、州、国家）都找齐了，侦探把这些碎片拼在一起，形成一份完整的结案报告。
作用： 确保最终答案逻辑通顺，有据可依。

3. 为什么 DeepSieve 这么牛？（核心优势）

更省钱（省 Token）： 传统 AI 为了猜答案，可能会生成很多废话，消耗大量算力。DeepSieve 因为步骤清晰，只查需要的资料，反而更省资源。
更聪明（准确率更高）： 在复杂的测试中，DeepSieve 的准确率比传统方法高出一大截。因为它懂得“拆解”和“精准投递”。
更灵活（模块化）： 它的架构像乐高积木。你可以随时换掉“数据库”模块，换成"API 接口”或“私有文档”，系统依然能跑，不需要重新训练整个大脑。

4. 总结：从“蛮力”到“巧劲”

如果把传统 AI 比作一个拿着大锤砸核桃的人（不管核桃多硬，反正用力砸，有时候砸开了，有时候把桌子砸坏了），那么 DeepSieve 就是一个拿着精密工具的开锁匠。

它知道：

先分析锁的结构（拆解问题）；
选对钥匙（路由到正确的资料源）；
试错并调整（反思机制）；
最后打开门（融合答案）。

这篇论文的核心贡献就是提出了这种**“像人类专家一样思考”的 AI 工作流，让大模型在面对复杂、杂乱、多来源的现实世界数据时，不再是只会瞎猜，而是能真正“抽丝剥茧”**，找到准确的答案。

DeepSieve：基于 LLM 作为知识路由器的信息筛选检索增强生成技术总结

1. 研究背景与问题定义 (Problem)

尽管大语言模型（LLM）在推理任务上表现出色，但在处理知识密集型查询（Knowledge-intensive queries）时仍面临巨大挑战，主要原因包括：

静态参数限制：LLM 无法动态访问最新或特定领域的信息，导致幻觉或事实错误。
现有 RAG 的局限性：传统的检索增强生成（RAG）方法通常缺乏对查询端和源端的细粒度控制：
- 查询端：大多数系统将用户查询视为原子单元，未进行语义分解，难以处理多跳（Multi-hop）或组合式问题。
- 源端：现实世界的知识来源具有异构性（Heterogeneity），包括非结构化文本、结构化数据库（SQL）、私有 API 等。现有方法通常将这些来源合并为一个扁平的索引，导致检索不匹配、噪声大、计算成本高，且难以处理隐私和格式冲突问题。

核心痛点：如何在异构知识源（Heterogeneous Sources）环境下，实现细粒度的信息筛选（Information Sieving），以支持深度的多跳推理？

2. 方法论：DeepSieve (Methodology)

DeepSieve 提出了一种新颖的 RAG 框架，核心思想是通过LLM 作为知识路由器（LLM-as-a-Knowledge-Router），在查询和源空间进行多阶段的信息筛选。其工作流程包含四个关键阶段（如图 1 和图 2 所示）：

2.1 阶段一：查询分解 (Query Decomposition)

机制：利用基于 LLM 的规划器（Planner）将复杂的输入查询 $Q$ 分解为一组结构化的子查询 $\{q_i\}$ 。
形式：构建一个有向无环图（DAG），其中节点代表原子推理单元，边代表依赖关系。
作用：作为“语义筛”，将单体输入转化为可独立处理的子目标，为多跳推理奠定基础。

2.2 阶段二：知识路由 (Knowledge Routing via LLM-as-Router)

机制：针对每个子查询 $q_i$ $q_{i}$ ，LLM 路由器根据子查询的语义、知识源的元数据（如领域、格式、隐私级别）以及历史失败记录，从源池 $S = \{(T_k, C_k)\}$ $S = {(T_{k}, C_{k})}$ 中选择最合适的工具 - 语料对（Tool-Corpus Pair）。
- 工具：如 RAG 检索器、SQL 查询、API 等。
- 语料：如维基百科、私有人员数据库、日志文件等。
创新点：首次将 LLM 显式用作动态路由器，能够根据子查询特性将任务分发到异构来源（例如：将“员工姓名”路由到 SQL 数据库，将“历史背景”路由到通用语料库）。

2.3 阶段三：观察与反思 (Observation and Reflexion)

机制：系统评估检索到的答案 $a_i$ 是否充分。如果答案无效（不完整、不相关或模糊），系统触发**反思（Reflexion）**机制。
行动：不直接修改子查询内容，而是利用记忆模块（Memory）记录失败历史，重新路由（Re-routing）到替代的工具 - 语料对，或重新分解，直到找到有效答案或超时。
作用：提供自我纠错能力，解决早期检索失败导致的连锁错误。

2.4 阶段四：答案融合 (Answer Fusion)

机制：当所有子查询解决后，融合模块（Fusion Module）收集所有成功的子答案，利用 DAG 结构中的依赖关系，聚合生成最终连贯的答案 $\hat{A}$ 。
作用：处理冲突证据，生成包含中间推理过程（Rationales）的最终输出。

2.5 模块化与可扩展性

DeepSieve 采用模块化架构，支持即插即用（Plug-and-play）。新的检索器（如 BM25, ColBERT）或数据源（如 SQL, JSON）只需注册其包装器和描述性 Profile 即可集成，无需合并索引或统一模式。

3. 主要贡献 (Key Contributions)

提出异构源挑战与 DeepSieve 框架：首次明确将现实世界知识源的结构性和语义异构性视为 RAG 的核心挑战，并提出了包含信息筛选和 LLM 动态路由的解决方案。
多源与单源的双重提升：实验证明，DeepSieve 不仅在多源异构设置下表现优异，在标准的单一语料库场景下，其检索精度和答案准确率也优于传统 RAG。
模块化与可扩展设计：设计了一个灵活的骨干架构，支持多种工具、检索后端和 RAG 模型的无缝集成，为未来 RAG 架构提供了通用基础。
LLM 作为路由器的新范式：展示了 LLM 在动态分解查询和调度异构资源方面的强大能力，实现了细粒度的推理控制。

4. 实验结果 (Results)

作者在三个多跳问答基准（MuSiQue, 2WikiMultiHopQA, HotpotQA）上进行了广泛评估，对比了传统 RAG（如 HippoRAG）、代理式方法（如 ReAct, Reflexion）等基线。

性能表现：
- 在 DeepSeek-V3 模型下，DeepSieve 的平均 F1 分数达到 58.9，EM 分数为 49.3，显著优于所有基线（例如，比 IRCoT+HippoRAG 高出 7.1 个 F1 点）。
- 在 GPT-4o 设置下，DeepSieve 在 HotpotQA 上取得了 61.7 的 F1 分数，远超 ReAct (39.6) 和 Reflexion (46.7)。
效率与成本：
- Token 效率：DeepSieve 在保持高准确率的同时，Token 消耗显著更低。例如在 HotpotQA 上，DeepSieve 平均每查询仅需 3.9K tokens，而 Reflexion 需要 37.9K，ReAct 需要 9.8K。
- 综合权衡：雷达图分析显示，DeepSieve 在准确率（F1/EM）和计算成本（Token 数）之间取得了最佳平衡。
消融实验 (Ablation Study)：
- 分解 (Decomposition) 和 反思 (Reflexion) 对准确率至关重要。移除反思模块导致 2Wiki 数据集 F1 从 68.4 暴跌至 15.4。
- 路由 (Routing) 单独使用效果不佳，但与分解和反思结合时，显著提升了在异构环境下的鲁棒性和检索精度。
真实场景验证：在混合医疗（MedQA）和法律（CaseHOLD）数据的真实异构实验中，DeepSieve 的 EM 分数比 Naive RAG 提升了 50%，有效避免了跨领域的“上下文污染”。

5. 意义与展望 (Significance)

理论意义：DeepSieve 突破了传统 RAG“扁平索引”的局限，提出了一种分层、动态、源感知的检索范式，解决了异构知识融合中的核心难题。
应用价值：
- 企业级应用：能够同时处理私有数据库（SQL）、内部文档和公开网络信息，无需破坏数据隐私或进行昂贵的索引合并。
- 成本效益：通过精准的源路由和反思机制，减少了无效检索和 Token 消耗，降低了部署成本。
未来方向：
- 支持更细粒度的工具参数控制（如检索深度、温度）。
- 引入个性化路由和记忆模块，适应不同用户的知识偏好。
- 增强路由决策的可解释性，利用概念深度（Concept Depth）信号优化检索触发机制。

总结：DeepSieve 通过引入“信息筛选”机制和"LLM 作为路由器”的架构，成功解决了复杂查询在异构知识源环境下的推理难题，在提升准确率的同时大幅降低了计算成本，为下一代智能问答系统提供了重要的技术路径。