分析维度库 v4.1（知识图谱 / RAG / AI 方向，对齐论文阅读文档实例）¶
使用指引¶
对齐目标： 本维度库服务于“论文阅读文档实例”的输出骨架。论文研读报告应优先按照以下顺序组织：
- Header & TL;DR
- 原先工作的 Problem
- 方法总览（框架分层与核心定位）
- 构建方法论（Offline Construction / System 1 / System 2，或论文真实 pipeline）
- 架构优势
- Experiments & SOTA Comparison（若原文重点呈现）
- Limitations & Future Work（若原文明确讨论）
- Case Study（若原文提供）
选取原则： 优先覆盖论文主图（Figure 1/2）所展示的核心 pipeline 中的关键模块。若论文创新横跨多个维度，可选取更多；若创新高度集中，3 个维度即可。每个维度下的分析深度应与论文叙述的篇幅匹配，并尽量落到上述输出骨架中的对应位置。
维度间关系提示（防止混淆）：
- Retrieval Strategy & Index Design 与 Knowledge Graph Embedding & Representation 有交集：前者侧重非结构化文本的召回/索引架构，后者侧重结构化图谱实体关系的向量化表征。若论文核心贡献在于图谱本身的表征学习（如 TransE / RotatE / GNN-based embedding），应选后者。
- Graph Reasoning & Multi-hop Traversal 与 Generation & Answer Grounding 互补：前者聚焦“如何在图上找证据”，后者聚焦“如何基于证据生成忠实答案”。
- Query Understanding & Rewriting 与 Agentic RAG & Multi-step Planning 的区分：前者指对单次 query 的改写/分解（如 HyDE、query decomposition）；后者指多轮、带工具调用与反思的动态检索-生成循环。
- Knowledge Editing & Model Updating 与 Fine-tuning & Alignment 互补：前者关注对已训练模型/知识库的局部、增量式修正（不重新全量训练），后者关注整体参数层面的训练范式。
- Scaling Laws & Data/Model Efficiency 与 Data Engine, Benchmark & Evaluation 互补：前者关注宏观规律（数据量-性能曲线、模型尺寸效应），后者关注数据工程与评测体系的具体实现。
- Hallucination Detection & Mitigation 与 Safety, Robustness & Attribution 侧重不同：前者聚焦“生成内容是否与检索证据一致”这一具体问题，后者是更广义的鲁棒性/可信度议题，二者常需搭配分析。
- Memory & Long-Context Management 与 Agentic RAG & Multi-step Planning 常同时出现：前者关注 working memory、episodic memory、长上下文压缩；后者关注何时检索、如何规划、何时回溯与终止。
维度库¶
| 维度名称 | 适用场景 | 关注要点 | 在论文阅读文档中的落位 |
|---|---|---|---|
| Query Understanding & Rewriting | 涉及 query 改写、分解、扩展的 RAG 类论文 | Query decomposition、HyDE / query2doc、意图识别、多子查询生成与聚合策略 | Problem 中的查询歧义；方法总览中的 query 处理；Methodology-System 1 |
| Retrieval Strategy & Index Design | 涉及检索召回、索引结构的论文 | Dense / sparse / hybrid retrieval、向量索引结构（HNSW / IVF）、embedding 模型选型、召回粒度（chunk / passage / document） | 方法总览；Methodology-候选召回；架构优势 |
| Knowledge Graph Construction & Extraction | 以图谱构建、信息抽取为核心方法的论文 | NER / Relation Extraction / Entity Linking、schema 归纳或对齐、开放域抽取 vs 受限 schema、抽取质量校验 | Offline Construction；数据来源；实验设置 |
| Knowledge Graph Embedding & Representation | 核心贡献在于图谱实体关系的向量化表征学习 | 平移模型（TransE / RotatE）、GNN-based embedding、知识补全（KGC）、表征质量评估方式 | 方法总览；Methodology-图编码；实验对比 |
| Graph Reasoning & Multi-hop Traversal | 需要在图谱上做多跳推理、路径搜索的论文 | 路径检索算法、子图召回（subgraph retrieval）、GNN message passing、多跳问答中的证据链构建 | 方法总览；Methodology-System 1 / System 2；Case Study |
| Cross-modal / Structured-Text Fusion & Alignment | 需要融合结构化知识（KG/表格）与非结构化文本的论文 | 融合机制（cross-attn / early-late fusion / prompt 拼接）、结构化-文本对齐损失、图文/图表联合表征 | 方法总览中的融合模块；Methodology；实验归因 |
| Reranking & Relevance Optimization | 涉及召回结果二次排序的论文 | Cross-encoder rerank、listwise / pairwise 排序损失、rerank 与生成质量的因果关系 | Methodology-候选关系重排；架构优势 |
| Generation & Answer Grounding | 关注最终答案生成与证据锚定的论文 | 引用/溯源机制、faithfulness 约束、生成解码策略（copy mechanism / constrained decoding） | Methodology-答案生成；Grounded Inference；架构优势 |
| Hallucination Detection & Mitigation | 以降低幻觉、提升事实一致性为核心目标的论文 | 幻觉检测方法（NLI-based / self-consistency）、事实核查、检索证据与生成内容的一致性约束 | Problem；Grounded Inference；Limitations |
| Knowledge Editing & Model Updating | 涉及对模型内部知识做局部修正/更新的论文 | 定位-编辑方法（ROME / MEMIT 类）、增量式知识注入、编辑的副作用（collateral damage）评估 | 方法总览；Methodology；实验 |
| Memory & Long-Context Management | 涉及长期记忆、长上下文处理、对话历史管理的论文 | 外部记忆模块（episodic / retrieval-augmented memory）、长上下文压缩、context window 处理策略 | Methodology-working memory；System 2 回溯；架构优势 |
| Agentic RAG & Multi-step Planning | 引入多轮检索-生成循环、工具调用、自我反思的论文 | ReAct / self-RAG 类框架、检索时机决策（when to retrieve）、工具调用与规划、closed-loop 迭代与终止条件 | 方法总览；Methodology-System 1 / System 2；Case Study |
| Prompt Engineering & In-context Learning | 核心贡献在于 prompt 设计或上下文学习范式的论文 | Few-shot 示例选择策略、CoT / ToT 提示范式、prompt 对性能的敏感性分析 | Methodology-LLM 精炼；失败诊断；实验归因 |
| Fine-tuning & Alignment | 涉及模型微调、对齐训练的论文 | SFT / RLHF / DPO 等训练范式、指令数据构建、对齐目标与奖励设计 | Training Phase；实验设置；Limitations |
| Data Engine, Benchmark & Evaluation | 数据收集/生成/增强方法类论文，或以提出 Benchmark 为核心贡献的论文 | 数据来源与规模、自动化标注/筛选、数据质量与多样性、benchmark 设计（任务覆盖度、评估指标设计、baseline 选取合理性） | Experiments & SOTA；数据构建；Case Study |
| Scaling Laws & Data/Model Efficiency | 研究模型/数据规模效应的论文 | 数据量-性能 scaling 关系（power law 拟合）、数据多样性 vs 数量的权衡、模型尺寸与能力的相变点、检索库规模对效果的边际收益 | 实验分析；效率对比；架构优势 |
| Test-Time Compute & Adaptive Retrieval | 在推理阶段动态调整计算量或检索策略的论文 | 自适应检索次数、难度感知的计算分配、test-time self-correction、推理延迟与准确率的 trade-off | Methodology-System 2；失败感知回溯；架构优势 |
| Safety, Robustness & Attribution | 强调鲁棒性、可信度与可解释性的论文 | 分布外泛化、对抗扰动、可追溯性（provenance/attribution）、隐私与知识产权风险 | Problem；架构优势；Limitations |
| System & Infrastructure Co-design | 涉及系统/工程层面创新的论文 | 向量数据库选型与工程实现、serving 延迟优化、模型压缩（量化/蒸馏）用于部署、成本与吞吐权衡 | 实现细节；效率实验；Limitations |
| Multi-Agent & Collaborative Reasoning | 多智能体协作、辩论式推理类论文 | 通信机制（显式/隐式）、角色分工（proposer/critic/verifier）、集中式 vs 去中心化协作、协作推理中的一致性达成 | 方法总览；Methodology；Case Study |