HippoRAG 与标准向量 RAG 的核心差异及优势是什么？

1. 检索范式的根本不同

标准向量 RAG 将每篇文档独立编码为向量，检索时按与查询的向量相似度返回最相近的段落，本质是"匹配长得像的文本"。HippoRAG 则先把语料组织为知识图谱，检索时在图上做概率传播，本质是"寻找通过关系路径相连的文本"。

2. 优势所在

• 多跳推理能力：能够跨越中间实体关联分散信息，弥补向量检索在路径式推理上的短板
• 可解释性：检索结果基于显式关系路径，证据可回溯到原文
• 成本效率：单步检索即可媲美多轮迭代，在线成本与延迟显著更低

3. 各自的适用边界

向量 RAG 在简单、单跳、字面匹配即可命中的事实性问题上依然高效；HippoRAG 的优势则集中在需要跨文档关联与多跳推理的复杂场景。二者并非替代关系，而是面向不同难度任务的互补选择。