无需 LLM 摘要的树状导航：长文档问答中分层检索的匹配成本研究

英文标题：Tree Navigation Without LLM Summaries: A Matched-Cost Study of Hierarchical Retrieval for Long-Document QA

该研究探讨长文档问答中的分层检索方法，并在匹配计算成本的条件下进行比较。论文指出，检索增强生成（RAG）中的扁平 top-k 检索可能集中于文档的单一区域，从而遗漏互补性证据。RAPTOR 等方法通过递归聚类构建摘要树来缓解这一问题，而本文标题表明其重点在于不依赖 LLM 摘要的树状导航方案。该研究对需要在长上下文文档中提升证据覆盖率、控制检索与推理成本的开发者具有参考意义。

2.1 KB 640 B 612 B 380 B 9.1 KB 32.7 KB 22.8 KB 24.2 KB 34.7 KB