联邦图检索增强生成

arXiv:2610.30728v1 公告类型：新论文 摘要：图检索增强生成（GraphRAG）利用集中式知识图谱，通过结构化知识检索增强大语言模型。然而，现实世界中的知识本质上分散于多个组织，而非可集中访问。隐私约束进一步禁止共享完整的本地知识图谱，导致 GraphRAG 无法有效检索和利用分布式知识。为此，我们提出 Federated GraphRAG（FedGRAG），这是一个面向多个拥有知识图谱的客户端、统一支持分布式图检索和知识增强生成的框架。具体而言，我们解决了联邦 GraphRAG 中的两项根本性挑战。首先，缺少全局知识图谱使统一检索无法实现。针对这一问题，我们开发了一种联邦知识路由机制，通过轻量级知识索引高效识别相关客户端，同时不暴露本地图结构。其次，本地图记忆包含敏感实体和知识信息，因此无法直接共享。为此，我们提出一种受控披露的证据构建方法。该方法提取检索到的证据子图，并将其转换为证据摘要，从而支持在服务器端进行证据转换与重构。大量实验表明，Federated GraphRAG 在检索和下游生成任务中均持续优于现有基线方法，为在联邦环境中部署 GraphRAG 确立了一种新范式。