混合RAG新适配器R²Adapter：将图检索使用率最高降低59%且保持答案准确率
中国科学院计算技术研究所等机构的研究者提出轻量即插即用适配器R²Adapter，动态在普通RAG与基于图的RAG之间分配查询，并通过改写不确定的图路由查询提升多跳推理检索质量。
AI解读：RAG（检索增强生成）已成为大模型补充外部知识的主流方式，但现有混合文本-图RAG系统在路由查询时通常依赖启发式规则或让大模型自己判断，这会带来额外开销且过度依赖底层大模型。R²Adapter是一个轻量插件，能自动判断哪些查询真正需要基于图的推理，只将这类查询路由到图RAG，避免不必要的图检索成本；同时对路由到图但不确定的查询进行改写，更清楚地暴露其多跳推理需求，且无需额外监督。在三个多跳问答基准上的实验显示，它可将图RAG使用率降低最多59%，同时保持相近的答案准确率。该适配器与模型无关，可直接嵌入现有各种RAG管线。对开发者而言，这意味着不必为了处理复杂问题而整体切换到开销更高的图RAG，也不用依赖不稳定的大模型路由，能以更低成本在混合RAG系统中获得接近的效果。不过当前结果仅来自论文摘要和实验数据，尚需独立复现验证。
中国科学院计算技术研究所等机构的研究者在arXiv发表论文，提出轻量插件式路由与改写适配器R²Adapter，用于在普通文本RAG与基于图的RAG之间动态分配查询。论文称，在三个多跳问答基准上的实验显示，R²Adapter可将基于图的RAG使用率降低最多59%，同时保持相近的答案准确率。该论文于2026年7月1日提交至arXiv（编号2609.02894）。