RIT-RAG：用检索诱导树在大规模文档语料中导航

arXiv 论文提出 RIT-RAG，将内容检索与结构导航结合。离线阶段按文档目录或站点地图为每篇文档构建树；查询时先检索一批相关分块，再用其位置诱导出可管理的子树，可能跨多篇文档，由 LLM 代理导航并选择性读取节点，必要时重写查询。在金融、科学和客服基准上，其答案准确率高于原始、图结构和代理式基线；在包含 284 万技术文档网页的新基准 EntQABench 上，三种 LLM 下均比最强基线提升 6.8 至 11.4 个百分点。

以往结构化方法如 PageIndex 受限于 LLM 上下文，难以扩展到大规模语料，且必须先选定单一文档，选错便无法纠正。RIT-RAG 把检索范围从单文档扩展到多文档诱导子树，并用代理动态导航，使结构感知 RAG 在大语料下仍可恢复错误选择，并首次给出 284 万网页规模的专门基准。

RIT-RAG 将定位与阅读分离：检索分块提供候选位置，避免直接让模型浏览完整文档树；位置信息被压缩为可管理的子树，从而绕开上下文限制。代理在子树上选择性读取节点，并可在证据不足时重写查询，形成迭代搜索回路。这一机制让结构信息参与检索排序，而非仅作为后处理展示。

对做企业知识库、技术文档问答或客服助手的产品，这意味着不必先把文档结构完整塞进上下文，也能利用目录层级。研发上需要支持离线构建文档树、分块位置索引和代理式子树导航；产品上可减少因单文档检索错误导致的答非所问，但会增加检索与代理调用的工程复杂度和延迟成本。

• 在现有 RAG 管线中增加离线文档树构建模块，按目录或站点地图生成层级索引。
• 为技术文档与客服知识库实现检索诱导子树导航，支持跨文档证据聚合。
• 引入查询重写与节点选择性读取的代理回路，降低错误单文档选择的影响。
• 以 EntQABench 或同类基准建立内部评测，量化多文档问答准确率提升。

• RIT-RAG 在非目录化或结构混乱的语料上是否仍有效，证据未说明。
• 树构建与代理导航带来的延迟和 token 成本具体增加多少，未给出。
• EntQABench 的数据构成、标注方式与可复现性细节尚未在证据中展开。
• 该方法与 PageIndex、图结构基线的实现差异和公平性未充分说明。