EnSI-RAG: Entity-Structure-Indexed Retrieval-Augmented Generation for Long-Document Question Answering

• 类型：arxiv
• 标识：2608.21252
• 链接：http://arxiv.org/abs/2608.21252v1
• 主分类：rag
• 形态：method
• 被引：1
• 被引来源：Semantic Scholar
• S2被引：1
• OpenAlex被引：0
• 影响力被引：0
• TLDR：This work proposes EnSI-RAG (Entity-Structure-Indexed Retrieval-Augmented Generation), a framework that constructs a query-independent, entity-centered index that separates evidence localization from answer synthesis while preserving traceable source evidence.
• OpenAlex ID：W7204107397
• OpenAlex DOI：10.48550/arxiv.2608.21252
• DOI：10.48550/arxiv.2608.21252
• DOI来源：OpenAlex
• 开放获取：green
• 开放获取链接：https://arxiv.org/pdf/2608.21252
• OpenAlex更新：2026-08-31
• 待LLM分类：否
• 标题中文：EnSI-RAG：面向长文档问答的 Entity-Structure-Indexed RAG
• TLDR中文：本文提出 EnSI-RAG（Entity-Structure-Indexed Retrieval-Augmented Generation），通过构建查询无关、以实体为中心的索引，将证据定位与答案合成解耦，同时保留可追溯的源证据。
• 来源文件：
• /inbox/tom/_candidates/2026-08-25-agent-rag-longcontext-candidates.json
• [S2 enrich]
• [OpenAlex backfill]