HippoRAG、RAPTOR、LightRAG 与 GraphRAG 同属知识图谱增强的 RAG 方法,都试图通过引入图结构弥补纯向量检索在多跳推理与意义构建上的不足。
HippoRAG 的检索原语是实体节点上的个性化 PageRank 传播,而 GraphRAG 依赖社区摘要、RAPTOR 依赖层次化摘要树。不同的图构建与检索方式,决定了它们在不同任务上的表现差异。
在 2WikiMultiHopQA 等实体中心、强路径关联的数据集上,HippoRAG 的表现优于 RAPTOR 等基线;同时其离线索引的资源消耗显著低于 GraphRAG、RAPTOR、LightRAG 等同类图方案,在效率上具备优势。