文/石川
近日，GraphRAG‑Bench最新榜单发布，将GraphRAG有效性的行业争议再次推向视野。这套公开可复现基准，提供了重要实证参考。测评显示，海致科技AtlasGraphRAG在Novel、Medical赛道位列第一，性能优于微软MS‑GraphRAG（local）、HippoRAG2等国际标杆。
GraphRAG的争议与实证评估的坐标
传统RAG依赖“切片—嵌入—向量检索”的范式，处理局部事实型问答尚可，但面对复杂场景时存在结构性的认知盲区。一是跨文档关联断裂，难以捕捉分散在不同文档中的隐性关联；二是全局视角缺失，面对需要通读全库才能回答的全局性问题，难以形成全局判断；三是结构信息损耗，复杂推理所依赖的逻辑层级与关系结构在切片过程中被割裂。
GraphRAG的提出，本质上是试图引入图结构的确定性，来约束大模型生成的概率性不确定性。通过抽取实体与关系构建知识图谱，并利用社区检测生成摘要，试图在索引阶段解决上述问题。然而，在早期工程实践中，GraphRAG的效果往往呈现较大不稳定性。
这种不稳定性并非个案。近期多项系统性实证研究揭示了一个值得正视的现实：GraphRAG在部分真实任务中的表现甚至不如朴素RAG。有报告显示，其在Natural Questions上的准确率低13.4%，在时效性查询上低16.6%；推理深度虽然有所增加，但延迟上升了2.3倍。更棘手的是图谱本身的质量问题。有研究对标准GraphRAG的图谱构建质量进行量化评估，发现其实体重复率高达30.53%，噪声比例达到57.84%——超过一半的节点和关系可能是冗余或错误的。这意味着，图结构的确定性约束在落地时，首先被图本身的不确定性削弱了。这正是学术界对其有效性产生分歧的根源。
厦门大学与香港理工大学联合团队开展的GraphRAG-Bench工作（2025年5月发布，相关工作已获ICLR 2026收录），核心价值在于建立了一套系统化的评估坐标系，试图回答一个被反复讨论却少有定论的问题：图结构到底在什么条件下、为什么能改善RAG？该基准测试在设计上具有较高的严谨性。其医疗和小说子集的平均节点度分别达到1.05和2.27，克服了以往基准图谱结构稀疏、推理难度低的问题。阶梯式的任务难度覆盖了从事实检索、复杂推理到上下文摘要、创意生成的四类任务，实现难度逐级递进。多维度的评估指标不仅关注最终答案的准确性，也引入了对推理过程和图构建质量的考察。
更重要的是，该工作给出了一个清晰的边界判断：基础RAG足以应对简单的事实检索，但图结构在需要整合分散概念的多跳推理和上下文摘要任务中，才能带来实质性增益，代价是显著更高的Token消耗。换言之，“什么时候该用图”这个问题，第一次有了基于数据的量化回答。
AtlasGraphRAG的技术路线：图模融合
在此次评测中，海致科技AtlasGraphRAG的表现值得深入拆解。分析其技术路线，可以看出其与常规“工程拼接”方案的本质差异。许多参赛方案是在通用大模型基础上，简单串联抽取、索引、检索与生成环节。而海致依托其自研的AtlasGraph图数据库——曾在LDBC测试中以高出原纪录45%的吞吐性能刷新世界纪录，展现了在图存储与计算领域的长期积累。
更关键的是其提出的“图模融合”策略。根据公开技术资料，这一策略并非让大模型简单“参考”图谱，而是让图谱的结构化推理深度介入生成过程：在预训练阶段，通过双向跨模态编码使大模型学习图结构中的推理路径；在检索阶段，通过异构图表示系统弥补结构化知识与非结构化文本之间的语义鸿沟；在推理阶段，图谱为模型提供领域知识约束，模型则为图谱补充上下文语义。
从评测数据看，在MuSiQue复杂推理基准上，其得分超过50%，而传统大模型不足10%，向量RAG方案不足40%。这种数量级的差距提示：在复杂推理任务中，图结构的约束具有实质性作用，而非边际改进。
医疗赛道的表现更具说服力。医疗问答对事实准确性有着极为严格的要求。AtlasGraphRAG在Medical赛道的事实检索准确率达到73.73%，复杂推理准确率达到76.35%。如果这些数据经得起复现，它实际上印证了一个重要的学术判断：在事实密集、关系复杂的严苛场景下，图结构的确定性约束并非边际改进，而是大模型从“概率智能”迈向“可靠智能”的一条可行路径。
值得留意的一个技术细节是，AtlasGraphRAG在文本解析层面也做了针对性设计——将PDF中的表格单元格、LaTeX公式、手写框图拆解为独立的图谱节点参与建模。这看似是工程细节，实则回应了GraphRAG在真实企业文档场景中面临的常见难题：大量关键知识并不以纯文本形式存在。
落地挑战与神经符号融合的前景
当然，一次评测的登顶并不等同于技术的全面成熟。GraphRAG在产业落地中仍面临诸多挑战。
图谱构建的高昂成本首当其冲。GraphRAG-Bench的评测数据显示，标准GraphRAG的图谱构建阶段消耗了近八千万Token、耗时超过三小时。对于需要频繁更新的企业知识库而言，这一成本结构显然不可持续。
增量更新的实时性是另一个瓶颈。现有GraphRAG方法大多假设语料库是静态的，当新文档到达时需要昂贵的全图重建，这严重限制了其在动态环境中的可扩展性。一项针对运维场景的系统综述发现，在73%的以服务依赖图为中心的研究中，拓扑漂移或流式更新处理未被显式描述，多数流水线仍基于静态快照进行评估。
跨领域迁移的泛化能力同样值得关注。不同领域的实体类型、关系模式和推理逻辑差异巨大，一套通用的图谱构建和检索策略能否在医疗、金融、法律等场景间平滑迁移，目前尚无定论。
但AtlasGraphRAG的实证结果表明，图结构检索这条技术路线有继续推进的价值。神经符号融合——将大模型的泛化能力与知识图谱的确定性推理相结合——正在从学术概念走向工程化落地。正如2025年的一篇领域综述所指出的，“神经符号集成”已被列为知识图谱与大模型交叉领域最重要的研究方向之一。
此类基于公开数据的验证工作，价值不在于给出终局结论，而在于把争论从概念层面推进到可检验的数据层面，并为后续研究提供参照。未来，如何进一步降低图构建成本、实现更深层次的神经符号融合，仍是需要继续面对的课题。
（作者为北京邮电大学教授、GAMMALab（图数据挖掘与机器学习实验室）创始人）