分层检索增强生成系统（Hierarchical Retrieval-Augmented Generation, HiRAG）是一种先进的知识推理框架，专门用于处理复杂知识图中的多层次推理问题。在处理大规模科学文献（如天体物理学或广义相对论相关论文）时，传统的平面知识图往往难以建立远距离概念间的有效连接，例如将星系形成理论与大爆炸膨胀期的基本粒子物理学关联起来。HiRAG通过构建分层结构有效解决了这一难题，实现了更深入、更连贯的知识推理。
该系统基于图检索增强生成（GraphRAG）的核心思想，通过引入层次化架构来处理不同抽象层次的知识复杂度。HiRAG由香港中文大学计算机科学与工程系的研究团队开发，特别适用于理论物理学等需要多层次分析的专业领域。
从技术实现角度看，HiRAG采用两阶段工作模式：首先从原始文档构建分层索引结构，然后通过结构化方式执行信息检索。这种设计确保了答案的事实依据性，通过依赖数据本身的预定义推理路径来有效减少大型语言模型的幻觉现象。
https://avoid.overfit.cn/post/928f5b924d6e46c09804b16488f9b953