知識圖譜檢索

深度分析

自適應知識圖譜檢索器 ARK：提升多跳證據搜尋效能與命中率

本研究聚焦於知識圖譜檢索的廣度與深度平衡，提出ARK系統以全局詞彙搜尋與鄰域探索交替，無需種子選擇或預設跳躍次數。實驗在STaRK基準上提升Hit@1超過30%，並成功以無標籤模仿蒸餾至8B模型。此技術可降低跨領域圖譜檢索的開發成本，並為未來AI系統整合結構化知識提供新方向。