一、多跳QA的困境

多跳问答（Multi-hop QA）要求模型跨越多篇文档进行推理，比如回答"电影Aylwin的导演出生在哪里"需要先找到导演是谁，再找到他的出生地。传统RAG方法要么采用固定分块检索（Naive RAG），无法捕捉文档间的隐性关联；要么依赖图结构（如HippoRAG、GraphRAG），在推理时进行实体抽取和图遍历，导致在线推理成本高昂、延迟增加；要么采用迭代检索（如IRCoT），通过多轮检索-生成循环逐步逼近答案，但推理时间随步数线性增长。

图1：不同RAG范式的对比。IndexRAG将跨文档推理从在线阶段转移到离线索引阶段

如表1所示，现有方法难以同时满足"单次检索、跨文档推理、单次LLM调用、无需训练"这四个需求。

方法	单次检索	跨文档推理	单次LLM调用	无需训练
Naive RAG	✓	×	✓	✓
HippoRAG	×	✓	×	✓
IRCoT	×	✓	×	✓
IndexRAG	✓	✓	✓	✓

表1：不同RAG方法的能力对比

二、离线生成桥接事实

IndexRAG的核心洞察是：跨文档的推理模式与具体查询无关，完全可以在索引阶段预计算。基于此，作者提出了两阶段流水线：

阶段1（AKU提取）：使用LLM将每篇文档分解为原子知识单元（AKUs，以问答对形式组织），同时提取文档中的实体。

阶段2（桥接事实生成）：识别在多篇文档中出现的"桥接实体"（bridge entities），针对每个桥接实体，收集相关文档中的片段，提示LLM生成桥接事实（Bridging Facts）——这些事实显式编码跨文档推理链，例如将"Aylwin由Henry Edwards导演"和"Henry Edwards出生于Weston-super-Mare"合并为"Aylwin的导演出生于Weston-super-Mare"。

图2：IndexRAG架构。(a)离线索引阶段生成AKUs和桥接事实；(b)在线推理阶段通过平衡上下文选择机制控制桥接事实比例

在线推理时，查询通过标准的向量相似度检索，从统一的向量库（包含原始AKUs和生成的桥接事实）中召回Top-K结果。为避免短小的桥接事实过度挤占长文本AKUs的上下文窗口，IndexRAG采用平衡上下文选择机制（Balanced Context Selection），限制桥接事实的最大数量（通常设为3），确保原始文档信息不被淹没。

三、性能与效率兼得

在HotpotQA、2WikiMultiHopQA和MuSiQue三个多跳QA基准测试上，IndexRAG展现出优异的性能-效率权衡：

性能方面：仅用单次LLM调用的情况下，IndexRAG相比Naive RAG平均F1提升4.6分（表4），在最难的MuSiQue数据集上提升尤为显著（34.4 vs 29.9）。当与IRCoT结合后，IndexRAG平均F1达到55.0，超越所有基线包括需要多轮调用的HippoRAG。

表4：多跳QA性能对比（%）。灰色背景表示需要多轮LLM调用的方法

效率方面：IndexRAG的在线推理仅需单次检索+单次LLM调用，检索延迟仅0.30秒（与Naive RAG持平），远低于FastGraphRAG（2.55秒）和HippoRAG（3.13秒）。所有跨文档推理成本都被转移到离线索引阶段，实现了"一次构建，多次高效查询"的范式转移。

总之，IndexRAG通过索引时推理（Index-time Reasoning）的创新，在不增加在线推理开销的前提下，将跨文档推理能力内化到检索单元中，为构建高效的多跳QA系统提供了新的思路。

学AI大模型的正确顺序，千万不要搞错了

🤔2026年AI风口已来！各行各业的AI渗透肉眼可见，超多公司要么转型做AI相关产品，要么高薪挖AI技术人才，机遇直接摆在眼前！

有往AI方向发展，或者本身有后端编程基础的朋友，直接冲AI大模型应用开发转岗超合适！

就算暂时不打算转岗，了解大模型、RAG、Prompt、Agent这些热门概念，能上手做简单项目，也绝对是求职加分王🔋

📝给大家整理了超全最新的AI大模型应用开发学习清单和资料，手把手帮你快速入门！👇👇

学习路线:

✅大模型基础认知—大模型核心原理、发展历程、主流模型（GPT、文心一言等）特点解析
✅核心技术模块—RAG检索增强生成、Prompt工程实战、Agent智能体开发逻辑
✅开发基础能力—Python进阶、API接口调用、大模型开发框架（LangChain等）实操
✅应用场景开发—智能问答系统、企业知识库、AIGC内容生成工具、行业定制化大模型应用
✅项目落地流程—需求拆解、技术选型、模型调优、测试上线、运维迭代
✅面试求职冲刺—岗位JD解析、简历AI项目包装、高频面试题汇总、模拟面经

以上6大模块，看似清晰好上手，实则每个部分都有扎实的核心内容需要吃透！

我把大模型的学习全流程已经整理📚好了！抓住AI时代风口，轻松解锁职业新可能，希望大家都能把握机遇，实现薪资/职业跃迁～

这份完整版的大模型 AI 学习资料已经上传CSDN，朋友们如果需要可以微信扫描下方CSDN官方认证二维码免费领取【保证100%免费】