一、研究背景与问题

GraphRAG（图检索增强生成）通过将知识组织成结构化图，能显著提升大语言模型（LLM）在复杂推理任务上的表现。然而，现有研究存在两大核心问题：

1. 构建与检索割裂：多数方法孤立地优化图构建或图检索，忽视了二者之间的协同效应，导致在复杂推理和领域迁移场景下性能不佳。

2. 评估不公平（知识泄漏）：现有基准数据集大多已被LLM在预训练时“见过”，模型可能依赖自身参数化记忆而非检索证据来回答问题，无法真实反映GraphRAG的实际能力。

二、核心贡献与方法（Youtu-GraphRAG）

作者提出了一个垂直统一的智能体范式，将图构建和检索作为一个整体进行联合优化，核心设计包括四大模块：

1. 模式约束的智能体提取（Schema-Bounded Agentic Extraction）

• 引入种子图模式（包含目标实体类型、关系类型、属性类型），约束LLM进行结构化知识提取，减少噪声。

• 支持自动模式扩展：智能体可根据文档内容动态识别新模式元素（如新实体、新关系），实现跨领域自适应，减少人工干预。

2. 双感知社区检测与知识树构建（Dually-Perceived Community Detection + Knowledge Tree）

• 提出一种融合拓扑结构与子图语义的社区检测算法：

  • 同时考虑结构连通性（关系重叠度）和语义相似性（实体嵌入相似度）。

  • 通过迭代聚类和中心节点选择，形成高质量、语义连贯的社区。

• 基于社区检测生成四层知识树（L1：实体/属性；L2：三元组；L3：关键词；L4：社区摘要），支持自顶向下过滤和自底向上推理，兼顾细粒度事实和高层语义。

3. 智能体检索器与多路由并行检索（Agentic Retriever + Multi-Route Retrieval）

• 检索智能体解析同一图模式，将复杂自然语言查询分解为与模式对齐的原子子查询，并并行执行。

• 支持迭代反思：若初次检索证据不足，智能体自动调整子查询，重复检索直至信息充分。

• 沿知识树的四个层级分别进行实体查找、三元组匹配、关键词检索、社区过滤，适应不同类型问题（如多跳推理、全局摘要）。

4. 匿名数据集与“匿名还原”任务（AnonyRAG + Anonymity Reversion）

• 构建双语匿名数据集（AnonyRAG-CHS/ENG），对实体（人名、地名等）进行匿名化，打破LLM的记忆捷径。

• 提出“匿名还原”任务：要求模型根据上下文推理出被匿名化的原始实体，从而真实评估模型依赖检索证据而非自身记忆的能力。

• 设计双模式评估（开放模式：允许使用自身知识；拒绝模式：证据不足时必须拒绝回答），分别衡量系统的“整体推理能力”和“检索保真度”。

三、实验与结果

1. 性能优势

• 在HotpotQA、2Wiki、MuSiQue、G-Bench、AnonyRAG等六个基准上，Youtu-GraphRAG在开放和拒绝两种模式下均取得最优性能。

• 与SOTA基线相比，准确率提升最高达16.62%，尤其是在拒绝模式下优势更明显（提升7~14个百分点），表明其检索质量和不确定性校准能力更强。

2. 效率优势

• 在图构建和社区检测阶段，令牌消耗均为最低，相比基线最多节省90.71%的令牌成本。

• 在时间效率上同样表现优异，在多个数据集上达到最快或接近最快。

3. 泛化性与消融分析

• 无需任务特定微调，即可在跨领域数据集上稳定领先，展现出强大的领域迁移能力。

• 消融实验表明，社区检测、智能体推理、模式引导三个组件互补且缺一不可：

  • 移除社区检测 → 多跳推理性能下降；

  • 移除智能体反思 → 复杂推理（尤其2Wiki、MuSiQue）严重退化；

  • 移除模式引导 → 知识密集型任务（尤其AnonyRAG）明显下滑。

四、研究意义与创新点总结

Youtu-GraphRAG通过统一的图模式、层次化知识树、智能体驱动的检索与反思机制，在性能、效率、泛化性和评估公平性四个维度上均实现了显著突破，为下一代GraphRAG系统的设计和评估提供了新的范式和基准。这里是自己的论文阅读记录，感兴趣的话可以参考一下，如果需要阅读原文的话可以看这里，如下所示：

项目地址在这里，如下所示：

数据地址在这里，如下所示：

摘要

图检索增强生成（GraphRAG）通过将碎片化的知识组织成显式结构的图，有效地增强了大型语言模型在复杂推理任务上的能力。先前的研究工作致力于独立改进图构建或图检索，但这导致了次优的性能，尤其是在发生领域迁移时。在本文中，我们提出了一种垂直统一的智能体范式，Youtu-GraphRAG，旨在将整个框架作为复杂的整体进行联合连接。具体来说：（i）引入种子图模式（seed graph schema），用以约束具有目标实体类型、关系和属性类型的自动提取智能体，并且该模式能够为适应未见领域而持续扩展；（ii）为了在模式之上获取更高层次的知识，我们开发了新颖的双感知社区检测（dually-perceived community detection）方法，融合结构拓扑和子图语义以实现全面的知识组织。这自然生成了一个层次化的知识树，支持基于社区摘要的自顶向下过滤和自底向上推理；（iii）设计了一个智能体检索器（agentic retriever），它能够解读相同的图模式，将复杂查询转化为可并行处理的子查询，并迭代执行反思以实现更高级的推理；（iv）为了缓解预训练LLM中的知识泄漏问题，我们提出了一个定制化的匿名数据集和一个新颖的“匿名还原”（Anonymity Reversion）任务，以深度衡量GraphRAG框架的真实性能。在六个具有挑战性的基准上的大量实验表明，Youtu-GraphRAG具有鲁棒性，显著地推进了帕累托前沿，与最先进的基线相比，节省了高达90.71%的令牌成本，并将准确率提高了16.62%。结果表明了我们的适应性，允许通过最小程度的模式干预实现无缝的领域迁移。

1 引言

图检索增强生成（GraphRAG）已成为一种有前景的范式，用以利用结构化知识增强大型语言模型（LLM）[Xiao 等，2025，Pan 等，2024]，尤其是在跨多个文档的复杂多跳推理任务中[Wang 等，2024，Zhang 等，2024]。通过将碎片化的文档表示为带有底层关系的连接图[He 等，2024，Dong 等，2023]，GraphRAG使LLM能够遍历文档和实体间的显式路径，执行在平面检索中无法实现的复杂推理[Peng 等，2024，Han 等，2024]。这种结构化方法有效地解决了传统RAG中的关键局限性[Dong 等，2024]，后者通常难以处理离散信息间的连贯关系和多跳推理。

GraphRAG的发展自奠基性工作[Edge 等，2024]以来，带来了两条截然不同但同等重要的演进轨迹。首先，从检索方面来看，LightRAG [Guo 等，2024]开创了向量稀疏化技术以提高效率。随后，GNN-RAG和GFM-RAG [Mavromatis 和 Karypis，2024，Luo 等，2025]通过引入图神经网络进行细粒度节点匹配，进一步推进了这一方向。最新的HippoRAG 1&2 [Jimenez Gutierrez 等，2024，Gutierrez 等，2025]则引入了记忆机制和个性化的PageRank算法进行上下文感知检索。其次，在图构建方面，现有方法大致可分为平面方法和层次方法。早期方法，如KGP [Wang 等，2024]，依赖于现有的超链接或基于KNN的图，导致产生的粗粒度关系无法捕捉细微的层次语义。更近期的进展，如GraphRAG [Edge 等，2024]，将知识图谱与社区检测和摘要相结合，以获取多层级信息。随后出现的层次方法，如RAPTOR [Sarthi 等，2024]和E²GraphRAG [Zhao 等，2025]，通过树状聚类和递归摘要进一步优化图，以丰富结构表示。然而，它们仍然受限于孤立的优化，专注于构建或检索的某一方面，而忽视了它们之间的相互依赖关系。这在需要同样重要的连贯知识组织和检索能力的复杂推理任务中，可能限制了性能。

图1. 现有流程与Youtu-GraphRAG的示意图比较。 表示非定制组件，表明当前方法要么孤立地关注图构建（a），要么孤立地关注检索（b），而Youtu-GraphRAG提出了一个统一的范式（c）以实现卓越的复杂推理。

为弥合这一差距，我们旨在回答一个关键问题：我们如何有效地统一图构建和检索，以实现更稳健的复杂推理？

这项任务具有挑战性，原因有二。首先，构建和检索并非两个容易对齐的独立组件。在它们之间有机地建立协同效应仍然困难，即构建的图如何能够利用结构和语义有效地服务于检索。其次，如何恰当地评估性能仍然是一个棘手的问题。随着LLM规模的迅速扩大，几乎所有现有数据集都已被“见过”。这无法反映整个GraphRAG的真实性能。

在本文中，我们提出了一种垂直统一的智能体范式，Youtu-GraphRAG，以基于图模式将图构建和检索共同视为一个复杂的整体。具体来说：（i）引入图模式来约束提取智能体，确保具有目标实体类型、关系和属性类型的提取质量和简洁性；种子模式能够基于反馈持续且自动地扩展。（ii）为了在模式之上获取更高层次的知识，我们开发了双感知社区检测，融合结构拓扑和子图语义以实现全面的知识聚类。这自然生成了一个层次化的知识树，支持基于社区摘要的自顶向下过滤和自底向上推理；（iii）设计了一个智能体检索器，它能够解读相同的图模式，将复杂查询转化为可并行处理的子查询，并执行迭代反思。该智能体迭代地执行推理和反思，以获得更先进的性能；（iv）为了缓解预训练LLM中的知识泄漏问题，我们首先提出了一个定制化的匿名数据集和一个“匿名还原”任务。在六个具有挑战性的基准上的大量实验表明，Youtu-GraphRAG具有鲁棒性，显著地推进了帕累托前沿，与SOTA基线相比，节省了高达90.71%的令牌消耗，并将准确率提高了16.62%。结果还表明了我们的显著适应性，允许通过最小程度的图模式干预实现无缝的领域迁移，为现实世界应用的下一个演进型GraphRAG范式提供了见解。

贡献。总的来说，我们的主要贡献总结如下：

• 我们首次提出了一个垂直统一的智能体GraphRAG框架，用以整合图构建和检索，实现更鲁棒和高级的推理，其中构建和检索智能体均受图模式约束，以分别实现有效的提取和查询分解；

• 采用了一种新颖的、有理论依据的社区检测算法，在图模式上注入高层摘要，同时保留结构和语义图属性；

• 我们提出了一个定制化的匿名数据集和“匿名还原”任务，以防止LLM知识泄漏，从而公平评估GraphRAG性能；

• 在五个具有挑战性的基准上进行了大量实证实验，展示了在多样化推理任务和领域上的最先进性能，推进了帕累托前沿，节省了高达90.71%的令牌成本，并将准确率提高了16.62%。

2 任务定义

在本节中，我们从头开始，用标准化的符号正式定义通用的GraphRAG流程，包括图构建和图检索。我们将标量表示为小写字母（例如 a），向量表示为粗体小写字母（例如 a），矩阵表示为粗体大写字母（例如 A），元素集合用花体字母表示（例如 A）。我们将GraphRAG定义为这样一个任务：首先从语料库中检索结构化知识，然后生成回答，以此来回答自然语言问题。

2.1 构建阶段

2.2 检索阶段

3 方法：Youtu-GraphRAG

在本节中，我们将详细阐述Youtu-GraphRAG的核心方法，旨在回答两个基础研究问题：（i）如何实现图构建和检索的统一优化，以获得更高的鲁棒性和泛化性？（ii）我们如何能够实现跨不同知识粒度的有效推理？相应地，我们的框架基于图模式，以垂直统一的方式整合了三种设计。首先，设计了一个受图模式约束的智能体，通过自动扩展确保构建质量并消除噪声。其次，在模式之上，我们提出了一种双感知社区检测方法，联合分析拓扑和语义相似性，以创建多尺度的知识簇，从而形成一个四层知识树。最后，设计了一个智能体检索器，能够有效地将问题分解为与模式一致的原子性子查询，并进行并行检索路径和迭代反思。

3.1 模式约束的智能体提取

现有的GraphRAG方法利用纯LLM或OpenIE（Jimenez Gutierrez 等，2024，Gutierrez 等，2025，Luo 等，2025，Edge 等，2024）进行命名实体识别和三元组提取。然而，这种开放式的方法不可避免地会引入噪音和无关的琐碎信息，从而降低图的可用性。相反，我们将图提取视为基于高质量种子图模式的受约束生成，用于特定领域的任务，并将紧凑的模式定义为

3.2 基于模式：带有知识树的图索引

图3. 我们的双感知社区检测概述。(a) 通过三元组嵌入将输入图划分为初始社区；(b) 通过联合考虑拓扑连通性和子图语义相似性来识别社区中心；(c) 迭代地进行成对社区合并以形成最终层次结构。不同的颜色代表功能连贯的社区。

这种设计进一步将搜索空间从节点-社区比较缩小到节点-节点比较，从而实现了更高效的社区检测。

3.2.1 知识树

图4. 该图对比了针对多跳问题的三种查询解决策略。嵌入匹配检索到不连贯的事实（左），传统智能体使用重复的模板（右），而我们的智能体分解器（中）利用领域模式来规划高效的子查询：(1) 比较唱片公司收入，(2) 定位较大团体的总部，(3) 追踪探险家的到访——实现了精确的、并行的推理，并优于非结构化检索和基于模板的智能体。

4 实验

4.1 评估指标

遵循RAG的工作流程，评估通常分为两个阶段：（i）评估检索证据的准确性；（ii）通过评估LLM根据检索到的证据生成的回答质量来检查端到端的性能。在实际部署场景中，由于同一答案可能存在多个有效的检索参考，后者已成为实际应用中的主流评估范式。

关于LLM回答的评估，已经建立了几种基于字符匹配的协议，例如召回率、精确匹配（EM）和F1分数。为了考虑由微小字符变化引起的语义偏差（即细微的文本差异可能导致含义大相径庭），我们采用DeepSeek-V3-0324来评估回答与真实参考答案的相似度。

在复现各种GraphRAG框架的过程中，我们观察到实验结果在LLM生成阶段会因提示词的不同而出现显著变化。具体来说，一些框架（Zhao 等 [2025]）指示当检索到的证据不足时明确拒绝回答，而其他框架（Xiao 等 [2025]，Sarthi 等 [2024]）则允许LLM在此情况下利用其参数化知识或模糊处理指令。鉴于大多数LLM在预训练期间已接触到广泛的语料库，我们将基于LLM自身知识而非检索机制来回答问题视为一个影响公平评估的关键因素——我们称之为知识泄漏（knowledge leaking）。

为了分别评估两个关键能力：（1）识别知识局限性，以及（2）利用LLM的参数化知识，我们因此在三个广泛使用的数据集上实施了一种双模式评估：

拒绝模式（Reject mode）。在此模式下，当检索未能提供足够证据时，LLM必须拒绝回答问题。这严格评估了检索的有效性并防止了幻觉。

开放模式（Open mode）。LLM被允许使用检索到的内容或自身固有的参数化知识来回答。这最大程度地衡量了在实际部署中的整体能力。

我们已经复现了有代表性的基线方法，并根据本工作中的指标进行了全面评估。相应的提示词在附录A中提供。此外，这些观察结果进一步强调了我们所提出的AnonyRAG数据集对于确保GraphRAG方法公平和全面评估的重要性。

4.2 数据集

我们首先在双模式下，在三个广泛使用的多跳问答数据集上评估Youtu-GraphRAG：HotpotQA (Yang 等 [2018])、MuSiQue (Trivedi 等 [2022]) 和 2WikiMultiHopQA（简称2Wiki，Ho 等 [2020]），遵循 (Jimenez Gutierrez 等 [2024], Gutierrez 等 [2025]) 中的设置以进行公平比较。

为了评估框架在不同领域的性能，我们还使用了GraphRAG-Bench (Xiao 等 [2025])，简称G-Bench，这是一个从教科书语料库构建的基准数据集。此外，为了防止知识泄漏，我们提出了两个新颖的双语匿名数据集，即AnonyRAG-CHS和AnonyRAG-ENG，并提出了一个具有挑战性的“匿名还原”任务。

我们对数据集中的特定实体类型（例如人物、地点）进行匿名化，以打破模型的记忆捷径，防止其依赖预训练知识而非检索到的证据。此外，我们通过实体链接保留了语义连贯性，使得LLM在匿名化提及的情况下仍能维持语篇理解。数据集的构建细节记录在附录B中。

4.3 基线方法

我们包含了三类研究路线作为基线。（i）朴素RAG (Naive RAG)，标准的RAG方法，通过向量相似度搜索检索前 k 个文档块，不进行任何显式的知识结构化；（ii）纯GraphRAG，构建平面知识图谱用于检索，但缺乏层次化组织，主要侧重于通过图遍历算法进行关系推理，包括GraphRAG (Edge 等 [2024])、LightRAG (Guo 等 [2024])、G-Retriever (He 等 [2024]) 和 HippoRAG 1&2 (Jimenez Gutierrez 等 [2024], Gutierrez 等 [2025])；（iii）基于树的GraphRAG，代表采用递归聚类和摘要来构建多层级知识树的层次方法，包括RAPTOR (Sarthi 等 [2024]) 和 E2 GraphRAG (Zhao 等 [2025])。

为了确保公平的性能比较，我们在相同的设置下复现了所有基线和Youtu-GraphRAG，并使用一致的指标进行评估。在基础模型方面，我们使用DeepSeek-V3-0324和Qwen3-32B作为基础LLM，并使用轻量级嵌入模型all-MiniLM-L6-v2。

4.4 整体评估

4.4.1 时间和令牌消耗比较

对于涉及图构建和社区检测阶段的基线方法，本节比较了它们的令牌和时间消耗。除非另有说明，此处调用的所有LLM API均基于DeepSeek-V3-0324，并部署在相同的硬件上。所有过程均使用32线程并发推理执行，以确保图构建的效率以及比较的公平性。

图5a展示了Youtu-GraphRAG与五个基线在图构建阶段的时间和令牌消耗。我们的方法在所有六个数据集上始终保持最低的令牌消耗，并在其中五个数据集上保持了相对高效的时间性能。在社区检测阶段，如图5b所示，Youtu-GraphRAG与其他三个基线相比，实现了最低的令牌消耗，在任何数据集上的消耗都不超过10,000个令牌。同时，我们的方法在所有数据集上也表现出一致的、高效的时间性能。

图5. (a) 图构建阶段的时间和令牌消耗比较。(b) 社区检测阶段的时间和令牌消耗比较。

4.4.2 主要性能比较

在表1中，我们报告了在开放和拒绝两种模式下，基于两个强大的LLM主干（即DeepSeek-V3-0324和Qwen3-32B）在六个具有挑战性的基准上的前20准确率。在几乎所有数据集和设置下，Youtu-GraphRAG都达到了最高的性能，反映了其结合精确检索和稳健推理的能力。此外，我们还包含了一个没有智能体进行迭代推理和反思的变体，作为一个轻量级版本，即“Ours w/o Agent”，以满足需要实时交互反馈的现实应用。

两种评估模式之间的区别为系统能力提供了互补的视角。开放模式释放了LLM的全部推理潜力，使其能够在检索存在缺口的情况下综合答案。这模拟了高覆盖率的现实部署场景，即最大化最终任务准确率比谨慎更重要。Youtu-GraphRAG在所有数据集上持续优于现有基线，相比最强的竞争对手提升了2到8个百分点。当我们的智能体框架加持后，Youtu-GraphRAG进一步推高了性能边界，在DeepSeek-V3-0324下，在HotpotQA、2Wiki和MuSiQue上分别达到了 86.5%、85.5% 和 53.6% 的前20准确率；在Qwen3-32B下分别达到了 85.9%、85.7% 和 54.6%，展示了在多跳推理和跨文档综合方面的明显优势。相反，拒绝模式施加了严格的标准——如果检索到的上下文不足，模型必须放弃回答。Youtu-GraphRAG在HotpotQA、2Wiki和MuSiQue上分别达到了 81.2%、77.6% 和 47.5% 的前20准确率，超过了最强基线7到14个百分点。在所有数据集上，我们的方法都取得了一致更高的前20准确率，证实了其能够协同基于图的检索和智能体驱动的推理，以适应高覆盖和高精度的场景。我们重视这个指标，因为它直接探测了检索质量，因为推测性的回答会受到惩罚，接受率直接成为检索完整性和精确性的函数。我们在两个匿名数据集上的优势也验证了Youtu-GraphRAG在标准基准之外的泛化能力。具体来说，在开放模式下，它在Annoy-CHS和Annoy-ENG上分别达到了 42.88% 和 43.26% 的前20准确率，以明显优势超过了所有基线。

表1. 在基准数据集上，以前20准确率衡量的整体性能比较。

Youtu-GraphRAG的一个关键目标是通过统一图构建和检索来联合优化性能和效率。图6展示了在六个基准上，构建期间的令牌消耗与整体问答性能之间的权衡。我们的方法在所有基线上，始终以最少的令牌消耗实现最优的性能，有效地将帕累托前沿向前推进。

图6. Youtu-GraphRAG以更低的令牌成本和更高的性能有效地推动了帕累托前沿。

虽然现有的GraphRAG方法在平衡构建期间的令牌消耗和最终生成的准确性方面面临两难境地，但Youtu-GraphRAG利用了一个垂直统一的新颖框架，即模式引导的提取、双感知社区检测和模式增强的智能体检索，以构建简洁且语义丰富的图，并允许智能体最大化推理效果。因此，我们的方法有效地推动了帕累托前沿，在所有基准上达到了最佳性能，同时在图构建期间消耗的令牌数量减少了多达一个数量级。这表明，将结构化模式对齐、层次化知识树和自适应检索精心整合，可以从根本上提高GraphRAG系统在实际应用中的成本效益。

表2. 基于DeepSeek的基准数据集上，以前10准确率衡量的整体性能比较。

4.5 泛化性分析

为了检验Youtu-GraphRAG的领域迁移能力，我们在六个异构基准上对其进行了评估，未进行任何特定于任务的微调。如图7所示，Youtu-GraphRAG在所有数据集上的开放准确率和拒绝准确率方面均达到了最佳性能，以明显优势超越了最先进的GraphRAG基线。

我们将这种强大的泛化能力归功于我们框架内图构建和检索的内在整合。（i）模式引导的提取智能体产生一致、领域自适应的图；双感知社区检测产生的层次化知识结构在不同领域间保持鲁棒；（ii）智能体查询分解器能够动态调整检索策略以适应不同的问题类型，无需人工调整。值得注意的是，我们的模型在复杂推理数据集（如开放设置下的HotpotQA和2Wiki）上表现出特别大的提升，并在拒绝设置下的MuSiQue和2Wiki上展现出优越的放弃回答能力，表明其在复杂推理和不确定性校准方面均具有鲁棒性。这些结果证实了Youtu-GraphRAG能够无缝迁移到未见过的领域，同时保持结构保真度和推理深度，实现了作为基础性GraphRAG范式的愿景。

图7. 我们展示了在六个基准数据集上，以开放和拒绝准确率衡量的泛化能力。

此外，我们在表2中总结了前10的结果，这提供了一个更严格的检索评估。我们的方法在开放和拒绝模式下均持续优于所有基线。在开放模式下，Youtu-GraphRAG在HotpotQA、2Wiki和MuSiQue上的前10准确率分别达到了 83.4%、82.3% 和 52.1%，超过了最强的竞争对手4到8个百分点。在拒绝模式下，性能提升更为显著，提高了8到12个百分点，表明了鲁棒的检索保真度和减少的推测性回答。值得注意的是，在两个匿名数据集AnonyCHS和Anony-ENG上，我们的智能体增强模型分别达到了 38.08% 和 42.57% 的前10准确率，强化了其在多样化场景中的一致性优势。这些前 kk 结果证实了我们的方法不仅在高覆盖率设置下表现出色，而且在更严格的评估标准下也能保持精确的答案选择，进一步验证了将基于图的检索与智能体引导的推理相结合的有效性。

4.6 消融研究

为了量化每个组件的贡献，我们通过移除社区检测（w/o Comm.）、智能体推理与反思（w/o Agent）以及模式引导（w/o Schema）来进行消融实验。在六个基准上的结果总结在表3中。

具体来说，移除社区检测在所有数据集上导致性能持续下降，尤其是在多跳问答任务上，如HotpotQA和2Wiki（约 1.7% 和 2.5%），表明将知识组织成连贯的社区有助于提高全局问题的检索和推理准确性。缺少智能体推理与反思在复杂推理数据集上造成了最严重的性能下降，特别是在2Wiki和MuSiQue上（显著差异为 19.8% 和 7.5%），支持了我们的动机，即迭代推理-反馈循环对于解决模糊的中间步骤至关重要。消除模式引导在知识密集型设置中导致显著的性能下降，尤其是在AnonyRAG-CHS上（下降了 7.27%），突显了为新领域初始化高质量种子模式的重要性。这进一步展示了我们的优势，因为Youtu-GraphRAG只需要最少量的人工干预来处理领域迁移。总之，我们的模型在所有消融变体上均表现出一致的优越性，证明了三个组件是互补的：社区检测提高了检索质量，智能体推理增强了多步推理能力，模式引导确保了结构化知识提取的一致性。

表3. 在六个数据集上对我们方法的消融研究。我们评估了三个变体：无社区检测（w/o Comm.）、无智能体协调（w/o Agent）和无模式引导（w/o Schema）。

5 相关工作

尽管大型语言模型（LLM）在语言理解和推理方面展现出了卓越的能力，但众所周知，它们容易产生幻觉——即在面对复杂或多跳查询时，生成看似自信但实则事实错误的输出[Zhang 等，2025，Qin 等，2024，Kuang 等，2025，Dong 等，2024，Qin 等，2024]。因此，将LLM与图结构化知识相结合，结合了LLM的生成灵活性与结构化数据的事实严谨性，使得在复杂领域上进行更准确、更可信的推理成为可能[Luo 等，2023，Dong 等，2023，Bei 等，2025，Yasunaga 等，2021，Luo 等，2024]。GraphRAG的发展自奠基性工作[Edge 等，2024]以来，沿着两条互补的研究轨迹演进。第一类方法从LightRAG的[Guo 等，2024]向量稀疏化技术发展到更复杂的图感知方法。随后的创新包括GNN-RAG和GFM-RAG [Mavromatis 和 Karypis，2024，Luo 等，2025]，它们采用图神经网络进行增强的节点匹配，以及HippoRAG 1&2 [Jimenez Gutierrez 等，2024，Gutierrez 等，2025]，它们引入了记忆机制和个性化的PageRank算法以实现上下文感知检索。而另一类方法则侧重于提高知识组织的质量，如RAPTOR [Sarthi 等，2024]和 E2 GraphRAG [Zhao 等，2025]等层次方法，采用树状聚类和递归摘要来增强语义组织。然而，当前的研究仍然受限于其专业化的优化，要么孤立地关注检索，要么孤立地关注构建，缺乏统一的设计。这种碎片化限制了它们在需要紧密集成知识组织和检索能力的复杂推理任务上的性能，并且在发生领域迁移时，调整整个框架以实现泛化性变得更加困难。我们的工作通过开发一个整体框架来弥合这一差距，该框架联合优化了这两个方面，同时保持了图基础模型的特性。

6 结论

在本文中，我们提出了Youtu-GraphRAG，一种垂直统一的智能体范式，通过图模式联合优化了图构建和检索两个方面。我们的框架引入了：（i）一个模式引导的智能体，用于使用预定义的实体类型、关系和属性进行持续的知识提取；（ii）双感知的社区和关键词检测，融合结构拓扑和子图语义以构建层次化的知识树，支持自顶向下过滤和自底向上推理；（iii）一个智能体检索器，它解读模式以将复杂查询分解为可处理的子查询，并配以迭代推理和反思；（iv）匿名还原（Anonymity Reversion），一项旨在缓解LLM知识泄漏的新颖任务，通过精心策划的匿名数据集深度衡量GraphRAG框架的真实性能。在六个具有挑战性的基准上的大量实验表明，Youtu-GraphRAG具有鲁棒性，与最先进的基线相比，将帕累托前沿推进了高达90.71%的令牌成本节省和16.62%的准确率提升。值得注意的是，我们的框架展现出强大的适应性，能够通过最小程度的模式调整实现无缝的领域迁移。这些结果强调了统一图构建和检索的重要性，为更高效、更通用的GraphRAG铺平了道路。