对论文《Chronological Passage Assembling in RAG framework for Temporal Question Answering》进行系统总结：

1. 背景信息
长篇章叙事型文本的问答（如小说、剧本）往往要求模型把分散在多处的情节按时间顺序拼成一条完整“故事线”。现有 RAG 系统把文档切成孤立句子/片段做向量检索，导致

• 事件先后顺序被打断，时间推理困难；
• 检索结果彼此脱节，关键线索被碎片化。
  因此，在“时间敏感”问题上，传统 RAG 准确率明显下降。

2. 解决方案
提出 ChronoRAG——一个面向叙事文本的检索增强生成框架，核心思想：
“按时间线组装邻近段落，再送入 LLM 生成答案”，即不再追求“检索更多句子”，而是“检索更少但带时间上下文的连贯片段”。

3. 解决方案中核心的方法/步骤/策略
1) 离线构图（Graph Construction）

• 固定长度分块（Layer-0，≈100 token/chunk）；
• 每 10 个相邻块用 LLM 做“块摘要”；
• 在摘要上提取“关系描述句”（原子事实），作为 Layer-1 节点；
• 给 Layer-1 与 Layer-0 都打上“叙事顺序索引”，并记录父子链接；
• 邻域组装：每个 Layer-1 节点保存其前后 k 个邻居关系句，形成“局部故事流”。

2) 在线检索与生成（Passage Retrieval & Answer Generation）

• 用查询向量先召回最相关的 Layer-1 关系句（key）；
• 根据索引把其邻域关系句及对应 Layer-0 原文（value）一并取出，按顺序拼接；
• 将上下文+查询送入 LLM 生成最终答案。

3) 设计亮点

• 仅保留单层摘要+顺序索引，避免深层树/图带来的冗余；
• 用“关系句”做精确定位，用“邻域组装”保证时间连贯；
• 检索阶段同时利用 Layer-1（高精确）与 Layer-0（细节）实现粗细互补。

4. 文章使用的实例与实验细节
任务描述

• 在 NarrativeQA 数据集（355 篇故事/剧本，10 557 对问答）上评估；
• 额外划分出 1 111 条“时间问题”（含 When/After/Before 等关键词）专门测试时间推理。

所用模型与配置

• 摘要 & 关系抽取：Meta-Llama-3-8B-Instruct；
• 向量编码：arctic-snowflake-embed-l；
• 答案生成：UnifiedQA-v2-T5-3B；
• 统一设置：top-k=20，上下文上限 1 500 token，禁用 BM25 避免文本变形。

主要实验结果（ROUGE-L）

• 全数据集：ChronoRAG 0.308，领先第二名 RAPTOR-CT 0.297；
• 时间问题子集：ChronoRAG 0.268，比第二名 RAPTOR-CT 的 0.261 再提升 2.7%；
• 消融：去掉邻域组装 → 0.295/0.252；去掉块摘要 → 0.272/0.233；去掉关系抽取 → 0.255/0.227，验证各组件均贡献显著。

案例示意
查询：“George Darrow 准备前往法国与 Anna Leath 团聚时，人在哪？”

• 传统方法返回 6 条孤立句，出现 London/Paris 两个地名，模型无法判断；
• ChronoRAG 只返回 3 段按顺序组装好的片段，明确指出“London 晚宴重逢”→“准备启程”，模型正确输出“In London”。

5. 结论

• 叙事问答的关键不只是“找到事实”，而是“还原事件时间流”；
• 通过“单层摘要+顺序索引+邻域组装”就能以更低计算成本实现更佳的时间推理效果；
• 在 NarrativeQA 全量与时间子集上均取得 SOTA，证明时间连贯性对 RAG 的重要性。

6. 限制条件

• 固定长度分块可能破坏语义边界，虽然简化了检索，但对极度密集对话场景仍可能切断关键信息；
• 邻域窗口大小与 token 上限存在 trade-off，窗口过大则召回段数减少，反而降低性能；
• 依赖 LLM 做摘要与关系抽取，计算量随文档长度线性增长，对超长书籍仍需流式或增量处理；
• 目前仅针对“时间顺序”显式建模，对多线叙事、倒叙/插叙等复杂结构尚未深入探讨；
• 评估指标采用 ROUGE-L，虽适合短答案，但对需要生成较长解释或开放式问答的场景可能不够全面。
  ChronoRAG 论文 6 维度速览表