打破静态图：面向鲁棒检索增强生成的上下文感知遍历方法

近期检索增强生成（RAG）研究从简单向量相似性转向结构感知方法，如HippoRAG，利用知识图谱（KG）和个性化PageRank捕捉多跳依赖。然而，此类方法存在“静态图谬误”：其转移概率在索引阶段固定，忽视了边相关性对查询的依赖性，导致语义漂移，使随机游走偏向高连接度“枢纽”节点，难以获取完整证据链。为此，本文提出CatRAG——一种上下文感知遍历框架，在HippoRAG 2基础上将静态KG转化为查询自适应导航结构，通过符号锚定、查询感知动态边权重调整及关键事实段落权重增强三项机制引导随机游走。在四个多跳基准上的实验表明，CatRAG显著提升推理完整性，有效弥合部分上下文检索与全证据链推理之间的差距。