SentGraph：解决RAG多跳问答中的证据链断裂问题

1. 传统RAG的"断链"困境与SentGraph的破局思路

在检索增强生成（RAG）系统中，多跳问答场景下的"证据链断裂"问题长期困扰着开发者。传统方法将文档切割为200词左右的段落（chunk）进行检索，这种粗粒度处理在多跳推理中暴露明显缺陷：

核心痛点解析：

• 单跳场景下，chunk检索尚可满足需求——问题和答案通常存在于同一段落中
• 多跳场景中，答案需要串联2-4个文档的关联信息时：
  • 每个chunk包含6-8个句子，其中60%内容与问题无关
  • 关键证据句被大量无关文本淹没
  • LLM被迫从噪声中拼凑线索，导致"幻觉"频发

典型案例：当需要结合"克罗地亚官方语言"和"电影《围城》拍摄语言"两个事实时，传统方法可能返回包含旅游信息、演员介绍等无关内容的chunk，迫使LLM进行不可靠的推测。

2. SentGraph架构设计：三层图结构解析

SentGraph创新性地将检索单元从段落级细化到句子级，并构建三层图结构显式表达逻辑关系：

2.1 图结构层级设计

2.2 关系类型精简设计

基于修辞结构理论（RST）的12种核心关系：

1. 因果关系（because, therefore）
2. 对比关系（however, whereas）
3. 例证关系（for example）
4. 背景关系（in context of）
5. 详述关系（specifically）

这种设计使推理链的构建效率提升3倍，同时减少40%的关系识别错误率。

3. 线下构图关键技术实现

3.1 句子切割与清洗

python复制# 使用NLI模型进行句子边界检测
from transformers import AutoTokenizer, AutoModelF