自适应混合检索分层框架论文发布

2026年10月30日，arXiv Artificial Intelligence 刊出 Afshan Hashmi 的论文，提出面向金融、法律与医疗文档的自适应查询路由跨层级混合检索框架。研究在小型受控语料上对比 Vector RAG、Tree Reasoning 与自适应混合检索（AHR），引入四层查询复杂度基准，并用 GPT-4o-mini 做 LLM-as-judge 评测。论文称，初步结果中自适应路由器整体未超过固定树推理（0.845 对 0.900），作者因此提出需更大规模评估查询路由何时有效，而非已确立其收益；由于各配置在文档访问、生成提示与输出长度限制上不同，差异不能单独归因于检索架构。在公开的 FinanceBench 前50题、以基准自带证据片段为检索语料时，Tree Reasoning 得 0.938，Hybrid AHR 0.901，Vector RAG 0.821。

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。