arXiv cs.AI· Wadie El Amrani, Luis Gal\'arraga·· 12 小时前AI 评分31
GraphRAGProv：让 GraphRAG 具备 How-Provenance 溯源能力
GraphRAGProv: GraphRAG Meets How-Provenance
AI 导读
GraphRAGProv 通过在源文本锚定的 RDF 图上执行 SPARQL 查询，计算答案及其 how-provenance 多项式，记录使用了哪些语句出现以及如何组合，用户可沿链接核查抽取语句是否忠实原文。其交互式演示检查了两个多跳 QA 基准的 400 个案例，发现即使最终答案正确，也存在抽取和查询错误。
正文 · AI 翻译
摘要：GraphRAG 系统通常使用知识图谱为生成最终答案的 LLM 检索相关上下文。这使得答案更加难以理解，因而在透明度至关重要的领域中吸引力较低。我们提出 GraphRAGProv，这是一种在基于来源的 RDF 图上执行 SPARQL 查询以计算答案及其 how-provenance 多项式的架构。这些多项式记录了使用了哪些语句出现以及它们是如何组合的。由于每次出现都链接到其源文本，用户可以沿着这些链接检查提取的语句是否反映了文本，以及查询是否将它们组合起来以回答问题。因此，查询成为一种检查和评估文本到图转换的方式。我们的交互式演示检查了来自两个多跳问答基准的 400 个案例，揭示了即使最终答案正确时也会出现的提取和查询错误。
| 主题： | 人工智能（cs.AI）；数据库（cs.DB） |
| ACM 分类： | I.2；H.2 |
| 引用为： | arXiv:2610.37237 [cs.AI] |
| （或 arXiv:2610.37237v1 [cs.AI] 为此版本） | |
| https://doi.org/10.48550/arXiv.2610.37237 由 DataCite 颁发的 arXiv DOI（待注册） |
提交历史
来自：Luis Galárraga [查看电子邮件]
[v1]
2026 年 10 月 27 日星期二 13:42:48 UTC（10,869 KB）
来源：arXiv cs.AI · arxiv.org