EnSI-RAG：面向长文档问答的实体结构索引检索增强生成

EnSI-RAG提出一种基于实体结构索引的检索增强生成框架，通过构建查询无关的实体中心索引（每个记录包含实体、类型、语义类别和值，并链接原始段落），将证据定位与答案生成分离，在Loong和Oolong数据集上平均准确率达78.24，比参考基线高6.62分。代码已开源。

传统RAG按原始块检索，在跨实体和多跳推理场景效果有限。EnSI-RAG通过实体结构索引改进证据定位，显著提升长文档问答准确率，为复杂信息检索提供新思路。

EnSI-RAG构建实体中心的记录（e, t, k, v），其中k分为属性、关系、方面三类，将实体与支持证据结构化关联，查询时以记录作为检索句柄，由LLM综合检索段落生成答案。这种设计避免了块边界切断实体关系的问题，支持跨实体推理。

对知识密集型产品，可提升长文档问答的准确性与可追溯性，但需额外构建实体索引，增加前期处理成本，且依赖LLM，推理延迟可能上升。

• 在知识库问答产品中引入实体索引，提升跨实体多跳问题的回答准确率，同时保留证据链接增强可信度。
• 构建实体结构索引的构建工具，供企业内部文档检索系统使用，降低数据准备门槛。
• 结合现有RAG管线评估实体索引的增量成本，为产品提供性能与成本的最优平衡方案。
• 开源社区中推广EnSI-RAG作为基线，吸引开发者贡献更多场景的评测数据。

• EnSI-RAG在非英文或域外数据上的表现是否同样优于基线？
• 论文是否提供了与其他先进RAG方法（如GraphRAG）的对比实验？
• 索引构建的自动化程度和人工干预需求未在证据中明确。
• 代码开源协议和活跃维护情况待确认。