摘要：这项由蚂蚁集团杭州研发团队完成的突破性研究于2025年9月发表在计算语言学顶级会议上，论文题为《HANRAG: Heuristic Accurate Noise-resistant Retrieval-Augmented Generation for Mult

这项由蚂蚁集团杭州研发团队完成的突破性研究于2025年9月发表在计算语言学顶级会议上，论文题为《HANRAG: Heuristic Accurate Noise-resistant Retrieval-Augmented Generation for Multi-hop Question Answering》。感兴趣的读者可以通过arXiv:2509.09713v1访问完整论文，了解这项被誉为新一代智能问答系统的技术细节。

当你问AI"谁是美国第一任总统的妻子的父亲"这样的问题时，它需要像侦探一样分步推理：先找出第一任总统是谁，再查出他妻子是谁，最后确定她父亲的身份。然而，现有的AI问答系统在处理这类需要"跳跃思维"的复杂问题时，就像一个初学侦探，要么在错误线索上浪费时间，要么被无关信息误导，很难给出准确答案。

蚂蚁集团的研究团队发现了这个问题的根源，并开发出一套名为HANRAG的全新解决方案。这套系统就像为AI配备了一个经验丰富的"案件分析师"，能够智能判断问题类型，合理规划解答路径，同时过滤掉干扰信息，让AI的推理过程变得更加高效准确。更重要的是，HANRAG不仅在复杂的多步推理问题上表现出色，在简单的单步问答任务中也展现出了显著的性能提升。

这项研究的核心创新在于设计了一个叫做"Revelator"的智能调度模块，它就像一个聪明的交通指挥员，能够根据问题的复杂程度将其引导到最合适的处理流程。对于需要并行处理的复合问题，系统会同时启动多个搜索任务；对于需要逐步推理的复杂问题，则会按序进行深度分析。同时，系统还具备强大的"噪音过滤"能力，能够自动识别和排除那些看似相关但实际无用的信息，确保推理过程不被误导。

一、AI问答的"多跳"挑战：像侦探一样思考

当我们人类回答复杂问题时，大脑会自动进行分层思考。比如有人问你"《哈利·波特》作者的出生国家的首都是哪里"，你的思维过程是这样的：首先想到作者是J.K.罗琳，然后记起她是英国人，最后得出答案是伦敦。这种需要多个步骤、每一步的答案都为下一步提供线索的推理过程，就是研究人员所说的"多跳问答"。

传统的AI问答系统在处理这类问题时遇到了三个主要障碍。第一个障碍是过度依赖"试错法"。就像一个没有经验的新手侦探，系统会机械地进行多轮信息搜索，即使面对本来可以并行处理的简单问题组合，也要一步步慢慢来，大大浪费了计算资源和时间。

第二个障碍是"问错问题"。许多现有系统在搜索信息时，会直接使用用户的原始问题作为搜索词。这就好比你想找"伦敦天气"，却在搜索引擎里输入"《哈利·波特》作者的出生国家的首都的天气如何"，结果可想而知。正确的做法应该是先搜索作者信息，再根据得到的结果调整搜索策略。

第三个障碍是"信息噪音积累"。在多轮搜索过程中，系统会收集到大量信息，其中既有有用的，也有无关的。就像一个杂乱无章的案卷，如果不及时整理和筛选，无关信息会越积越多，最终干扰系统的判断，导致错误的结论。

蚂蚁集团的研究团队深入分析了这些问题的本质，发现关键在于缺乏一个智能的"案情分析"机制。现有系统就像只会按固定流程办事的机器，无法根据问题的具体特点灵活调整策略。因此，他们决定为AI系统配备一个更聪明的"大脑"，让它能够像经验丰富的侦探那样，根据案件性质选择最合适的调查方法。

二、Revelator：AI问答系统的智慧大脑

HANRAG系统的核心是一个名为"Revelator"的智能模块，它就像一位经验丰富的首席侦探，负责统筹整个问答过程。这个模块的设计理念很简单：不同类型的问题需要不同的解决策略，就像不同类型的案件需要不同的调查方法一样。

Revelator首先会对接收到的问题进行"案件分类"。它能够识别四种不同类型的问题：直接问题、单步搜索问题、复合问题和复杂问题。直接问题就像询问"你好吗"这样的简单对话，AI可以直接从已有知识中回答，无需额外搜索。单步搜索问题需要查询一次外部信息，比如"今天北京的天气如何"。

复合问题则像是几个独立问题的组合，比如"刘翔何时出生，何时退役"，虽然包含多个子问题，但这些子问题之间相互独立，可以并行处理。复杂问题则需要逐步推理，每一步的答案都是下一步的前提，就像开头提到的"美国第一任总统的妻子的父亲"这类问题。

针对不同类型的问题，Revelator会启动不同的处理流程。对于直接问题，系统会绕过搜索环节，直接生成答案，节约时间和计算资源。对于单步搜索问题，系统会启动标准的搜索-回答流程。

对于复合问题，Revelator展现出了其最大的优势之一：并行处理能力。它会将复合问题分解为多个独立的子问题，然后同时启动多个搜索任务。这就像派遣多个侦探同时调查不同线索，而不是让一个人按顺序处理所有事情。比如面对"刘翔的出生年份和退役年份"这个问题，系统会同时搜索刘翔的出生信息和退役信息，然后将结果整合成最终答案。

对于复杂问题，Revelator则会启动逐步推理模式。它会先从原始问题中提取出第一个需要回答的"种子问题"，比如从"美国第一任总统的妻子的父亲"中提取出"美国第一任总统是谁"。得到答案后，系统会根据这个答案生成下一个种子问题，如此循环，直到完全解决原始问题。

三、双重武器：智能分解与噪音过滤

Revelator的强大之处不仅在于能够正确分类问题，更在于它具备两项核心能力：智能分解和噪音过滤。这两项能力就像侦探工作中的"案情分析"和"证据筛选"，缺一不可。

智能分解能力让系统能够将复杂问题拆解为更容易处理的子问题。这个过程不是简单的文字切分，而是需要理解问题的逻辑结构。比如面对"谁接替了纳米比亚第一任总统"这样的问题，系统需要理解这实际上包含两个有逻辑关系的子问题：先要知道纳米比亚第一任总统是谁，然后才能找出谁接替了他。

Revelator会根据问题的逻辑关系，生成合适的"种子问题"。种子问题就像推理链条中的关键环节，每解决一个种子问题，就为解决下一个问题提供了必要信息。系统会持续这个过程，直到原始问题得到完整解答。

噪音过滤则是HANRAG的另一项核心技术。在信息搜索过程中，系统往往会检索到大量文档，其中只有一部分真正有用。就像在一堆案卷中寻找关键证据，如果不能有效筛选，有用信息就可能被无关信息掩盖。

Revelator配备了专门的"相关性判断"功能，能够评估每个检索到的文档与当前问题的相关程度。这个过程就像一个经验丰富的法官，能够快速判断哪些证据与案件相关，哪些只是干扰信息。系统会保留相关度高的文档，过滤掉无关内容，确保后续的答案生成过程不受干扰。

这种噪音过滤机制在多轮搜索中尤为重要。随着推理步骤的增加，积累的无关信息也会越来越多。如果不及时清理，这些"信息垃圾"会像滚雪球一样越来越大，最终严重影响系统的判断准确性。通过每轮都进行有效过滤，HANRAG成功避免了这种"噪音累积"问题。

四、训练数据：为AI大脑提供养分

要让Revelator变得如此聪明，研究团队需要为它准备大量高质量的训练数据，就像为一个侦探提供丰富的案例经验。这些训练数据涵盖了Revelator需要掌握的所有技能：问题分类、问题分解、逐步推理、相关性判断和结束时机判断。

对于问题分类训练，研究团队收集了四类不同的问题样本。直接问题来自常识问答数据集，包含约一万个不需要外部搜索就能回答的问题。单步搜索问题则来自两个来源：一部分是单跳问答数据集中的问题，另一部分是多跳问答数据集中的子问题，总共五万个样本。

复杂问题直接采样自多跳问答数据集，包含五万个需要逐步推理的问题。最有趣的是复合问题的构建过程。由于现有数据集中缺乏这类问题，研究团队开创性地构建了专门的复合问题基准测试集。

这个构建过程颇具创意。研究团队首先从维基百科中随机选择了一万个实体，然后为每个实体收集相关文档，使用大语言模型为每个文档生成问题。接下来，他们将同一实体的多个问题组合成复合问题，形成"实体-文档-问题-答案"的完整样本对。最终，他们从中抽取五万个样本用于训练，八千个用于开发，两千个用于测试。

对于问题分解训练，系统学习如何将复合问题拆分为独立的子问题。训练数据直接使用复合问题及其对应的子问题组合。对于逐步推理训练，系统学习如何从复杂问题中提取种子问题。训练数据来自多跳问答数据集中的详细推理过程，每个推理步骤都被用作种子问题的训练样本。

相关性判断训练使用"问题-文档-相关性标签"的三元组数据。研究团队使用强大的语言模型对问题和文档的相关性进行标注，生成大量训练样本。结束时机判断训练则教会系统何时停止继续推理。训练数据同样来自多跳数据集的推理过程，最后一步被标记为"可以结束"，前面的步骤被标记为"需要继续"。

值得一提的是，研究团队非常注重数据质量和实验有效性。他们确保训练数据和测试数据之间没有重叠，保证了实验结果的可靠性。

五、实战表现：全面超越现有方法

为了验证HANRAG的实际效果，研究团队进行了大规模的对比实验，测试范围涵盖了从简单到复杂的各类问答任务。实验结果显示，HANRAG在所有测试中都表现出了显著优势，就像一个全能选手在各项比赛中都名列前茅。

在单跳问答测试中，研究团队使用了三个经典数据集：SQuAD、自然问题和TriviaQA。这些测试就像基础体能测试，检验系统处理简单问题的能力。HANRAG在这些测试中全面超越了现有的先进方法Adaptive-RAG，在准确率方面分别提升了12.2%、6.83%和20.13%。

更令人印象深刻的是效率提升。HANRAG平均减少了0.13个搜索步骤，这看似微小的改进实际上意义重大。它表明HANRAG的智能路由机制确实有效，能够准确识别哪些问题不需要复杂的多步搜索，从而节省了大量计算资源。

在多跳复杂问答测试中，HANRAG面对的是真正的挑战。研究团队使用了MuSiQue、HotpotQA和2WikiMultihopQA三个具有代表性的数据集。这些数据集包含需要2-4步推理的复杂问题，就像高难度的推理题目。

HANRAG在这些测试中同样表现出色，平均准确率比Adaptive-RAG提升了6.67%、6.34%和16.17%。更重要的是，它平均减少了0.52个搜索步骤，这意味着HANRAG不仅答案更准确，解题过程也更高效。这种效率提升主要归功于Revelator的精准判断能力，它能够准确决定何时停止进一步搜索，避免了不必要的计算浪费。

最值得关注的是复合问题测试结果。在研究团队构建的复合问题基准上，HANRAG相比Adaptive-RAG的准确率提升了惊人的19.63%，同时搜索步骤减少了约1.5步。这个结果证明了并行处理策略的巨大优势。传统方法需要依次处理复合问题中的每个子问题，而HANRAG可以同时处理，大大提高了效率。

为了进一步验证结果的可靠性，研究团队还进行了理想条件测试，即假设问题分类100%准确的情况。即使在这种理想条件下，改进幅度也相对有限，说明HANRAG的问题分类能力已经非常接近理想水平。

六、深度分析：成功的三大关键要素

通过详细的分析实验，研究团队揭示了HANRAG成功的三个关键要素，就像解开一个精密机器成功运转的秘密。

第一个要素是精准的问题路由机制。研究团队构建了专门的测试集来评估Revelator的分类准确性，结果显示其分类准确率达到了83.93%。这意味着在大多数情况下，系统都能正确判断问题类型并选择合适的处理策略。这种准确的"诊断"能力是整个系统高效运行的基础。

第二个要素是有效的噪音过滤机制。在移除相关性判断模块的对比实验中，系统性能出现了明显下降，证实了噪音过滤的重要性。研究团队通过具体案例分析发现，在没有噪音过滤的情况下，无关文档会严重误导答案生成过程，导致错误结果。

第三个要素是智能的推理控制机制。在移除结束判断模块的实验中，虽然答案质量没有明显变化，但搜索步骤增加到了设定的上限4.5步，说明系统失去了自主停止的能力。这种情况下，系统会进行不必要的额外搜索，浪费计算资源。

特别值得注意的是问题精化模块的重要性。当研究团队移除这个模块，直接使用原始问题进行每轮搜索时，系统准确率出现了10%的大幅下降。这个结果强调了"问对问题"的重要性。就像侦探调查案件时需要问对关键问题一样，AI系统也需要在每个推理步骤中提出恰当的查询，才能获得有用信息。

研究团队还通过具体案例展示了HANRAG的工作原理。在一个关于英国国王的问题中，传统方法检索到三个文档，但其中两个与问题无关，导致AI生成错误答案。而HANRAG通过噪音过滤，只保留了相关文档，成功生成了正确答案。这个案例生动说明了噪音过滤的实际价值。

七、技术创新：三大突破性贡献

HANRAG的成功不是偶然的，而是建立在三个重要技术创新基础上的。这些创新就像三个相互配合的齿轮，共同驱动了整个系统的高效运转。

第一个创新是首次系统性区分并处理了复合问题和复杂问题。以往的研究往往将所有多跳问题都视为需要逐步推理的复杂问题，采用统一的串行处理策略。HANRAG敏锐地识别出了这两类问题的本质区别：复合问题的子问题相互独立，可以并行处理；复杂问题的子问题存在逻辑依赖关系，必须串行处理。

这个区分看似简单，实际影响深远。通过为复合问题专门设计并行处理流程，HANRAG实现了显著的效率提升。这就像区分了"同时做几件不相关的事"和"按顺序做几件相关的事"，选择了更合适的处理方式。

第二个创新是设计了统一的智能调度架构。Revelator作为系统的"大脑"，集成了问题分类、问题分解、逐步推理、噪音过滤和结束判断等多项功能。这种统一设计避免了多个独立模块之间的协调问题，确保了整个系统的一致性和稳定性。

这种设计理念体现了系统工程的智慧。与其让多个专门模块各自为政，不如由一个统一的智能模块统筹全局。这样既提高了决策的一致性，也简化了系统维护的复杂度。

第三个创新是提出了完整的噪音管理策略。传统方法往往忽视了多轮检索过程中噪音积累的问题，或者采用过于细粒度的过滤方法，影响系统效率。HANRAG采用了文档级别的相关性判断，既保证了过滤效果，又维持了处理效率。

这种噪音管理策略的效果在实验中得到了充分验证。通过在每个推理步骤中及时清理无关信息，系统避免了错误信息的累积传播，确保了推理过程的准确性。

八、实际应用：改变问答系统的未来

HANRAG的技术突破为智能问答系统的实际应用开辟了新的可能性。这些改进不仅体现在技术指标上，更重要的是为用户带来了更好的使用体验。

在搜索引擎应用中，HANRAG能够更好地理解用户的复杂查询意图。当用户输入包含多个方面的问题时，系统可以智能判断这些方面是否相互关联，然后选择并行或串行的处理策略。这意味着用户能够更快地获得准确、全面的答案。

在智能客服系统中，HANRAG的优势更加明显。客户的咨询往往涉及多个相关问题，传统系统可能需要多次交互才能完全解答。而HANRAG可以在一次交互中理解并回答复杂的复合查询，显著提升客户满意度。

在教育辅助系统中，HANRAG能够处理学生提出的复杂学术问题。比如"牛顿第二定律的发现背景和现代应用"这类问题，系统可以同时搜索历史背景和现代应用信息，为学生提供全面的学习材料。

特别值得一提的是，HANRAG的噪音过滤能力对提升用户信任度具有重要意义。在信息过载的时代，用户最担心的是获得错误或无关的信息。HANRAG通过有效过滤，确保向用户提供的都是高质量、高相关性的内容，有助于建立用户对AI系统的信任。

九、未来展望：持续进化的智能问答

尽管HANRAG在当前测试中表现出色，但研究团队也坦诚地指出了系统的局限性和改进方向。这种科学态度体现了严谨的研究精神，也为未来的发展指明了道路。

当前的主要限制在于训练成本。为了让Revelator掌握如此多样的能力，研究团队需要构建大量的专门训练数据，这个过程需要相当的时间和计算资源投入。虽然这种投入是值得的，但确实增加了系统部署的门槛。

研究团队已经在考虑解决方案。未来的研究方向包括开发更轻量级的训练方法，减少对大规模标注数据的依赖。可能的途径包括使用更先进的自监督学习技术，或者开发能够自动生成高质量训练数据的方法。

另一个有趣的发展方向是扩展HANRAG的应用范围。当前系统主要针对文本问答，未来可能扩展到多模态问答，处理包含图像、音频等不同类型信息的复杂问题。这将进一步提升系统的实用性和适用范围。

研究团队还在探索如何让系统具备更强的自适应能力。理想的智能问答系统应该能够根据不同领域和不同用户的特点，自动调整其处理策略。这需要在现有基础上进一步增强系统的学习和适应能力。

从更广阔的视角来看，HANRAG代表了AI系统设计理念的重要转变：从单一功能的专用工具向多功能的智能代理发展。这种设计理念将为未来的AI系统开发提供重要启示。

说到底，HANRAG的成功证明了一个重要观点：真正智能的AI系统不应该只是更强大的计算引擎，更应该是更聪明的思维助手。通过模拟人类解决复杂问题的思维过程——分析问题类型、制定解决策略、筛选相关信息、控制推理节奏——HANRAG展示了AI系统向真正智能迈进的可能路径。

对于普通用户而言，HANRAG的意义在于它让AI问答变得更加可靠和高效。无论是日常生活中的信息查询，还是工作中的专业问题，用户都可以期待获得更准确、更全面的答案。这种改进虽然在技术层面复杂，但对用户来说是透明的——他们只会感受到更好的使用体验，而不需要了解背后的技术细节。

这项研究的更深层意义在于它为AI系统的未来发展提供了新的思路。通过将多种智能能力整合到一个统一的架构中，HANRAG展示了构建真正智能系统的可能性。这种系统不再是简单的输入输出机器，而是具备分析、规划、执行和监控能力的智能代理。

有兴趣深入了解HANRAG技术细节的读者，可以访问完整论文获取更多信息，相信这项创新将为智能问答系统的发展开启新的篇章。

Q&A

Q1：HANRAG是什么？它比传统AI问答系统强在哪里？

A：HANRAG是蚂蚁集团开发的新一代智能问答系统，核心优势在于配备了名为"Revelator"的智能调度模块。它能根据问题复杂程度智能选择处理策略：对简单问题直接回答，对复合问题并行处理，对复杂问题逐步推理，同时还具备强大的噪音过滤能力，确保答案准确性。

Q2：HANRAG如何处理需要多步推理的复杂问题？

A：HANRAG会将复杂问题分解为逐步的"种子问题"，就像侦探破案一样一步步推理。比如回答"美国第一任总统的妻子的父亲"时，系统会先问"美国第一任总统是谁"，得到答案后再问"他的妻子是谁"，最后问"她的父亲是谁"，每一步的答案都为下一步提供线索。

Q3：HANRAG的噪音过滤功能具体是怎么工作的？

A：HANRAG在每次搜索后都会评估检索到的文档与问题的相关性，就像法官筛选证据一样。它会自动过滤掉无关内容，只保留真正有用的信息用于生成答案。这样既避免了错误信息的干扰，也防止了多轮搜索中无用信息的积累，确保推理过程准确高效。

来源：科技行者一点号1