arXiv cs.AI· Cheuk Hei Chung, Li Liu·· 6 天前AI 评分29
PRIME：面向结构化文档检索的预检索索引建模增强框架
PRIME: Pre-Retrieval Index Modeling Enhancement for Structured Document Retrieval-Real
AI 导读
针对现有 IR 研究忽视索引侧质量的问题，作者提出索引侧优化框架 PRIME，包含 LLM 驱动的语义重构（SR）与确定性元数据合成（MS）加分层检索（HR）两条路径。
正文 · AI 翻译
摘要：对 LLM 智能体而言，在外部知识库上实现高精度检索是其有效运行的关键。然而，现有的信息检索（IR）研究主要优化查询侧检索器（如 ColBERT、BGE）和生成器（如 Self-RAG、GraphRAG），而将语料侧表示简化为分块。这使得索引侧质量成为一个尚未充分探索的杠杆。我们提出预检索索引建模与增强（PRIME），这是一个索引侧优化框架，建立在两条互补路径之上：一条由 LLM 驱动的语义重构（SR）路径，将长文档转换为结构化、信息密集的章节；以及一条确定性的元数据合成（MS）与分层检索（HR）路径，提取语义锚点和标题结构，用于从粗到细的章节检索。我们的评估表明，确定性元数据在检索质量上可匹配结构感知分块，同时将嵌入计算量减少 45.8 $\times$，索引向量数量减少 22.4 $\times$。在这些收益之上，语义重构（SR）在完整部署中进一步将 Answer-F1 提升 13.7%，并具有可刻画的质量-保真度-成本权衡。在 QASPER、BRIGHT 和 NFCorpus 上，我们进一步刻画了三种定性情形，用以判定索引侧优化何时有助于检索、何时会降低检索效果，同时表明这些索引侧效应在强重排序器下会被中和。
| Comments: | 9 页，2 幅图。稿件于 2026 年 7 月完成。补充材料将在未来版本中添加 |
| Subjects: | 信息检索（cs.IR）；人工智能（cs.AI） |
| Cite as: | arXiv:2610.13296 [cs.IR] |
| （或 arXiv:2610.13296v1 [cs.IR] 用于此版本） | |
| https://doi.org/10.48550/arXiv.2610.13296 由 DataCite 颁发的 arXiv DOI（待注册） |
Submission history
来自：Cheuk Hei Chung [查看邮箱]
[v1]
2026 年 10 月 9 日星期五 09:44:47 UTC（2,773 KB）
来源：arXiv cs.AI · arxiv.org