arXiv cs.AI· Petru Neague, Quinten Stokkink, Martijn de Vos, Rafael Pires, Mathis Randl, Anne-Marie Kermarrec, Johan Pouwelse·· 11 小时前AI 评分34
ZeroRAG：面向去中心化 RAG 的自适应语义对等路由
ZeroRAG: Adaptive Semantic Peer Routing for Decentralized Retrieval-Augmented Generation
AI 导读
ZeroRAG 是一种去中心化 RAG 文档检索路由层，无需全局数据结构或中心化编排，即可在对等节点覆盖网络上进行语义查询路由。文档保留在拥有它的节点上，每个节点仅维护有限的邻居通告和近期路由查询缓存，通过最佳优先游走逐步将覆盖网络重连到语义相关的邻居，使召回率随网络自组织而提升。
正文 · AI 翻译
摘要：检索增强生成（RAG）是一种标准方法，通过检索与查询相关的文档并将其提供给 LLM 提示，来增强大语言模型（LLM）输出的可靠性。如今的 RAG 系统从集中式存储中收集、索引并提供这些文档。然而在实践中，文档由组织、设备和个⼈拥有，他们无法或不愿将其保管权交给中央方，例如出于隐私、版权或监管合规的原因。现有的现代去中心化检索技术要么重新引入协调权威，要么依赖需要持续全网协调的全局数据结构（例如 DHT）。我们提出 ZeroRAG，一种用于 RAG 中文档检索的去中心化路由层，它在对等节点覆盖网络上执行语义查询路由，无需全局数据结构或集中式编排。文档保留在拥有它们的对等节点上，每个对等节点仅保留轻量级本地状态：一组有界的邻居通告和最近路由查询的缓存。利用这些，ZeroRAG 通过最佳优先遍历引导每个查询，逐步将覆盖网络重新连接至语义相关的邻居，因此随着网络自组织，召回率随时间提升。我们使用三个真实工作负载和两个去中心化基线评估 ZeroRAG。我们发现 ZeroRAG 在召回率和所需网络消息方面优于基线，接近集中式文档存储的召回率和 LLM 答案准确率，在灾难性对等节点故障后自愈，并可扩展到 100 000 个对等节点。
| 评论： | 14 页，8 幅图 |
| 主题： | 分布式、并行与集群计算（cs.DC）；人工智能（cs.AI）；信息检索（cs.IR）；网络与互联网架构（cs.NI） |
| ACM 分类： | H.3.3；H.2.4；C.2.4 |
| 引用为： | arXiv:2611.07928 [cs.DC] |
| （或 arXiv:2611.07928v1 [cs.DC] 为此版本） | |
| https://doi.org/10.48550/arXiv.2611.07928 由 DataCite 颁发的 arXiv DOI（待注册） |
|
| 相关 DOI： | https://doi.org/10.1145/3801927.3858412
链接到相关资源的 DOI |
提交历史
来自：Petru Neague [查看电子邮件]
[v1]
2026 年 11 月 5 日星期四 12:33:45 UTC（6,686 KB）
来源：arXiv cs.AI · arxiv.org