🤖 AI

GRASP: Graph Agentic Search over Propositions for Multi-hop Question Answering

GRASP 是一种高效的多智能体检索系统，它通过将复杂查询分解为动态子任务，并利用一个新颖的包含实体、命题和段落三层级的分层图进行针对性遍历和高召回检索，从而优化多跳问答的准确性和令牌使用效率。

原作者： Stockton Jenkins, Ramya Korlakai Vinayak, Junjie Hu

发布于 2026-05-19

📖 1 分钟阅读☕ 轻松阅读

原作者： Stockton Jenkins, Ramya Korlakai Vinayak, Junjie Hu

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

想象你是一名侦探，试图解开一个复杂的谜团，比如“演唱《Too Late for Goodbyes》的歌手所演唱的那首歌是谁创作的？”要解开这个谜团，你不能只问一个问题；你必须跟随一连串的线索。首先，你找到歌手。然后，你找到他们演唱的歌曲。最后，你找到创作者。

这就是多跳问答（Multi-hop Question Answering）：一个推理链条，其中每一步都依赖于前一步的答案。

这篇论文介绍了一种名为GRASP（基于命题的图智能体搜索，Graph Agentic Search over Propositions）的新型侦探系统。以下是其工作原理，使用简单的类比进行说明：

问题：旧方法成本过高

之前的侦探系统试图通过构建一个庞大、僵化的事实地图（“知识图谱”）来解决这些谜团，甚至在开始之前就要完成构建。

成本：构建这张地图就像雇佣一支抄写员大军，将图书馆里的每一本书都重写成微小的、互不相连的事实卡片（三元组，如“主语 - 关系 - 宾语”）。这耗费了大量的时间和金钱（Token）。
低效：当侦探开始搜索时，他们往往需要阅读太多不相关的信息，或者打太多电话（LLM 查询）来连接线索，从而迅速耗尽了预算。

解决方案：GRASP 的三层图书馆

GRASP 通过构建一个更智能、更灵活的图书馆来改变游戏规则。它不再使用僵化的事实卡片，而是将信息组织成三层，就像一个管理良好的档案系统：

实体层（索引卡片）：这些是主要人物或事物（例如，“保罗·麦卡特尼”、“德国”）。它们充当进入图书馆的“门”或入口。
命题层（原子事实）：这是秘密武器。GRASP 不是将句子拆解为僵化的“主语 - 谓语 - 宾语”三元组，而是将其拆解为原子命题——小的、自包含的、自然语言的句子（例如，“复活节兔子于 1678 年在德国被记录”）。
- 为何重要：想象一个三元组就像是一个失去意义的破碎句子。而命题是一个完整、清晰的观点。它更容易被 AI 理解并与问题匹配。
段落层（完整书籍）：这些是原始来源文档。一旦侦探找到了正确的“命题”（线索），他们就会提取完整的“段落”（书的章节），以获取最终答案所需的完整上下文。

GRASP 如何解开谜团（工作流程）

1. 规划者（战略家）
GRASP 拥有一个“规划者”智能体，而不是盲目搜索。当你提出一个复杂问题时，规划者会将其分解为分步待办事项清单。

类比：如果你问“发明电灯泡的人的母亲是谁？”，规划者会说：“第一步：找出谁发明了电灯泡。第二步：找出那个人的母亲。”它创建了一个依赖地图，让侦探确切知道下一步该寻找什么。

2. 子智能体（外勤特工）
GRASP 不会派出一个巨大的大脑来完成所有工作。它会为计划的每一步派出小型、专门的子智能体。

效率：如果某一步很简单，它使用一个智能体。如果某一步很复杂，它会扩展规模。关键在于，每个智能体只保留其刚刚发现的“紧凑记忆”。它不承担整个对话历史的重量，从而节省了巨大的"Token"预算（资金/计算资源）。

3. 搜索（侦探工作）
当子智能体需要线索时：

它首先查看命题层。因为这些是清晰的自然语言句子，AI 可以使用“混合搜索”（同时查找确切单词和相似含义）非常快速地找到正确的线索。
它使用**"RankVote"系统**。想象智能体找到了 50 条线索。与其阅读所有 50 本书，它会查看哪些线索最相关，并“投票”选出包含这些线索的具体书章节（段落）。这确保了它只阅读最重要的页面。

4. 综合（最终报告）
一旦所有子智能体完成它们的步骤，一个最终模块会将所有答案拼接成一个连贯的故事。

结果：更快、更便宜、更智能

作者在三个主要的“谜团数据集”（MuSiQue、2Wiki 和 HotpotQA）上测试了 GRASP。

准确性：GRASP 解开谜团的准确性高于之前的顶级系统。
效率：与次优方法相比，它使用的Token（计算资源）减少了 30% 到 50%。
- 类比：如果旧系统花费 100 美元来解开一个谜团，GRASP 仅花费 50 美元就解开了它，同时获得了更好的结果。

衡量成功的新方式：“成功经济”

这篇论文引入了一项名为**成功经济（Success Economy）**的新指标。

概念：仅仅得到正确答案是不够的；你必须问：“得到这个答案花了多少钱？”
转折：它根据问题的难度来加权成本。以低成本解决难题比以低成本解决简单问题更有价值。GRASP 赢得了这一指标，因为它在不浪费资源的情况下正确得出了难题的答案。

总结

GRASP 是一个侦探系统，它：

在行动前规划路线。
使用原子级、自然语言的事实（命题），而不是僵化、破碎的数据结构。
派出小型、专注的智能体，它们不携带沉重的包袱。
投票选出最佳证据，以避免阅读不必要的文本。

其结果是一个系统，不仅在解决复杂的多步骤谜题方面更聪明，而且在运行成本上显著更低、效率更高。

技术摘要：GRASP（基于命题的图智能体搜索）

问题陈述

多跳问答（QA）要求模型迭代地收集证据，以解决仅靠语义相似度无法处理的依赖关系。尽管最近的智能体检索系统通过赋予语言模型（LLM）自主搜索和推理的能力提高了准确性，但它们面临一个关键瓶颈：令牌效率。

现有的基于图的方法（如 HippoRAG 和 GeAR）利用从关系三元组（主体 - 关系 - 客体）构建的知识图谱（KG）来实现结构化遍历。然而，这引入了显著的成本：

索引成本：提取和构建基于三元组的 KG 计算成本高昂且往往不可靠，有时会导致检索质量低于朴素 RAG。
推理成本：智能体系统通常因重复调用 LLM、扩展上下文窗口以及并行智能体的冗余遍历而遭受令牌用量的累积增加。

现有方法未能同时在索引和推理阶段针对高准确性和最小令牌用量进行联合优化。

方法论：GRASP

作者提出了GRASP（基于命题的图智能体搜索），这是一种旨在同时优化 QA 准确性和令牌效率的智能体检索系统。GRASP 通过三个核心组件运行：

1. 三层分层图构建

与基于三元组的 KG 不同，GRASP 构建了一个包含三个不同层的图 $G = (V_E, V_P, V_D, E)$ ：

实体层（ $V_E$ ）：从文本中提取的具类型实体（例如“人物”、“地点”）。这些作为遍历的定向入口。
命题层（ $V_P$ ）：核心检索单元。系统提取原子级、自包含的自然语言命题（例如“1678 年复活节野兔在德国西南部被记录”），而非原子三元组。
段落层（ $V_D$ ）：与其组成命题链接的原始源文档。

提取过程：实体和命题在单次 LLM 调用中联合提取。实体通过索引引用链接到其源命题，形成图的边。这避免了将上下文压缩为关系三元组时的有损压缩。

2. 基于规划的推理流水线

GRASP 将复杂的多跳问题分解为感知依赖的规划：

规划器：一个模块生成自然语言推理大纲和有序的子问题序列。关键在于，它使用数字占位符（例如 #1）来明确引用先前子问题的答案，从而镜像 MuSiQue 等数据集的依赖结构。
子智能体执行：每个子问题由独立的子智能体处理。智能体维护一个紧凑的观察状态（ $O_i$ $O_{i}$ ），而非完整的对话历史，从而限制上下文增长。
- 混合搜索：智能体将子问题重构为陈述性搜索语句和关键词列表。它在命题层上执行混合搜索（稠密向量 + BM25）以检索候选实体。
- RankVote 评分：检索到的命题被聚合到候选实体上。对于段落检索，系统使用RankVote，这是一种基于倒数排名的投票机制，根据其组成命题的排名对段落进行评分，优先处理高度相关的上下文。
- 迭代细化：智能体评估证据是否充分。如果不充分，它会重写搜索语句并重新开始遍历（在限制范围内），避免冗余地重新阅读证据。

3. 成功经济度量

论文引入了成功经济（ $C_w$ ），这是一种受信息论启发的用于评估效率的指标。它将总令牌成本分摊到经难度加权的正确答案上：
$C_w = \frac{\sum T_i}{\sum w_i \cdot \mathbb{1}[EM_i = 1]}$
其中 $w_i = -\log_2(r_i)$ 是正确答案的惊讶度（自信息），通过多次提示基础 LLM 进行估计。这惩罚了令牌浪费，并奖励高效解决难题。

主要贡献

GRASP 系统：一种图增强的智能体检索系统，联合优化准确性和令牌效率，在开放检索和扩展上下文设置中均表现出具有竞争力的评估结果。
基于命题的索引：一种新颖的三层分层图，使用命题作为核心检索单元。作者证明，与基于三元组的图（HippoRAG2）相比，该方法实现了更高的段落召回率，同时使用了少 69% 的索引令牌。
隔离的推理：基于规划的流水线，具有隔离的子智能体，将上下文在跳数之间以及单个智能体执行内部进行隔离，防止无限制的上下文增长。
成功经济：一种新的评估指标，倡导在智能体 QA 中进行效率感知的评估，超越仅关注准确性的基准。

实验结果

GRASP 在两种设置下于MuSiQue、2WikiMultihopQA和HotpotQA上进行了评估：

开放语料库检索设置

性能：GRASP 在 MuSiQue 和 2Wiki 上取得了最高的精确匹配（EM）、F1 和 Judge 分数，优于 IRCoT+HippoRAG2。
效率：与 IRCoT+HippoRAG2 相比，它使用了少 40–50% 的令牌，同时实现了更高的准确性。在 HotpotQA 上，虽然 IRCoT+HippoRAG2 的准确性略高，但其令牌成本却超过 2 倍。
检索质量：在模拟的智能体检索中，GRASP 实现了0.904的召回率，而 HippoRAG2 为0.817，验证了命题作为更优越检索单元的有效性。

扩展上下文（LongBench）设置

性能：GRASP 在所有三个数据集上的 EM 和 F1 均领先。在 2Wiki 上，与 GraphReader 相比，其 EM 提高了12 个百分点，同时使用了大约70% 的令牌成本。
效率：与下一个最准确的方法（GraphReader）相比，GRASP 使用了少 30% 的令牌，同时保持了具有竞争力或更优的 Judge 分数。
消融实验：移除命题图或实体选择层会显著降低性能或增加令牌用量，证实了三层结构的必要性。

意义与主张

论文声称，GRASP 位于多跳 QA 中准确性与成本权衡的帕累托前沿。通过将令牌效率作为与准确性同等重要的首要设计目标，GRASP 解决了智能体系统中的根本矛盾，即推理深度通常会导致令牌呈指数级增长。

作者强调：

命题优于三元组：它们保留了三元组提取中丢失的语义细微差别，并作为基于嵌入的检索中更具区分度的单元。
结构化分解至关重要：基于规划的分解与结构化检索（图）相结合，比单纯将检索与思维链交织更有效。
效率是标准要求：“成功经济”的引入倡导社区将效率感知的评估作为标准实践，承认推理成本随推理复杂度直接缩放。

该工作表明，未来的改进可以专注于通过监督微调或强化学习来提高规划器的分解准确性（目前是三跳和四跳问题的瓶颈），但当前的架构已经展示了在平衡性能和成本方面的显著飞跃。