分层混合检索论文：自适应路由未胜固定树推理

Afshan Hashmi 发布 arXiv 论文（2604.14222v2），在金融、法律、医疗小型受控语料上对比 Vector RAG、Tree Reasoning 与自适应混合检索（AHR）三种配置，并引入四层查询复杂度基准，用 GPT-4o-mini 做 LLM-as-judge 评测。 在 FinanceBench 前 50 道公开题上、以基准自带证据片段为检索语料，Tree Reasoning 得分 0.938，Hybrid AHR 0.901，Vector RAG 0.821。论文称，由于各配置在文档访问、生成提示和输出长度限制上也有差异，这些分数差不能单独归因于检索架构。 论文的初步结果显示，自适应路由整体上未超过固定树推理（0.845 对 0.900）；作者称这组结果旨在推动更大规模评测，以判断基于查询的路由何时有用，而非已证明其收益。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。