NavTree：基于层级导航的长文档问答新方法，性能超越传统检索器

摘要：arXiv发布了一项关于长文档问答（QA）的新研究，提出了一种名为NavTree的创新方法。NavTree通过构建平衡段树并利用混合词法-密集前沿遍历技术，实现了高效的长文档导航。与传统扁平检索器和RAPTOR的提取实现相比，NavTree在匹配成本评估中表现最佳，并在长文档多跳问答任务中显著超越BM25基准。实验结果表明，NavTree通过仅输出叶节点数据，显著提升了检索效率和问答准确性，为长文档处理提供了新的技术路径。

---

研究背景与动机

在长文档问答（QA）任务中，传统的扁平检索方法（如BM25或top-$k$检索）常常因无法有效捕捉文档中的互补证据而表现不佳。RAPTOR等方法通过构建摘要树来缓解这一问题，但生成摘要内容的过程复杂且计算成本高。

NavTree方法概述

NavTree提出了一种无需语言模型生成摘要的层级导航方法。其核心思想是构建一个平衡的段树，并利用混合词法-密集前沿遍历技术进行导航。具体步骤如下：

1. 构建平衡段树：NavTree在索引阶段对文档进行分块，并构建一个确定性的平衡段树，不依赖语言模型进行摘要生成。
2. 混合前沿遍历：在查询阶段，NavTree采用混合词法-密集前沿遍历技术，从根节点开始遍历树结构，仅输出叶节点数据供阅读器使用。
3. 导航而非生成：NavTree强调导航而非生成摘要内容，通过高效的结构化检索提升问答性能。

实验结果与性能

在匹配成本评估中，NavTree在长文档多跳问答任务中表现优异：

• 超越BM25：NavTree是唯一一种在类间比较中显著超越BM25的层级检索方法。
• 匹配成本优势：NavTree在匹配成本评估中表现最佳，与最强的扁平检索器基线持平。
• 零索引成本：即使在零索引成本条件下，NavTree也优于RAPTOR的提取实现版本。

此外，NavTree在更强的阅读器和开放权重阅读器上表现一致，并成功隔离了仅叶节点输出的结构优势。

技术亮点

• 无需语言模型生成摘要：NavTree通过结构化导航而非生成摘要内容，显著降低了计算成本。
• 混合词法-密集前沿遍历：结合词法匹配和密集向量匹配的优势，提升检索效率。
• 平衡段树结构：构建确定性的平衡段树，确保检索过程的稳定性和高效性。

行业影响与开发者建议

NavTree为长文档处理领域提供了新的思路，尤其适用于需要高效检索和问答的场景，如法律文档分析、医疗文献检索等。开发者可以借鉴NavTree的层级导航思想，优化现有检索系统，提升长文档处理能力。此外，NavTree的零索引成本特性使其在资源受限的环境中具有广泛的应用潜力。

---

消息来源：ArXiv NLP/LLM (cs.CL) (2026-10-07)

—— 完 ——

主题标签： #NavTree 关注 #长文档问答 关注 #层级检索 关注 #arXiv 关注 #检索增强生成 关注