AB
AiBoss站
百科

什么是查询分解(Query Decomposition)?一种把复杂问题拆成子查询的检索增强技术

查询分解(Query Decomposition)是检索增强生成(RAG)中的一种技术,它把复杂、多层面的用户查询拆解为若干更简单、更聚焦的子查询,分别检索并汇总上下文,再合成最终回答。NVIDIA 官方文档称其可提升多跳推理与上下文丰富型查询的准确率;arXiv 论文则从探索—利用权衡的角度研究子查询与文档的动态选择。

查询分解(Query Decomposition)是检索增强生成(Retrieval-Augmented Generation,RAG)中的一种技术:它把复杂、多层面的用户查询拆解成若干更简单、更聚焦的子查询(subquery),每个子查询独立处理以收集上下文,最后把各子查询得到的材料综合成一个完整回答。它要解决的问题是:当用户问题包含多个步骤、多个侧面或隐含的中间推理时,单次检索往往只能覆盖其中一部分,导致回答缺环或答非所问。

为什么重要

在查询分解出现之前,RAG 系统的常见做法是把用户输入整体当作一个检索查询,直接向量化后取回若干文档片段,再交给大语言模型(Large Language Model,LLM)生成答案。这种做法对「法国的首都是哪里」这类单点事实查询足够,但面对需要串联多个事实的问题时就会暴露短板:检索器只拿到一个混合了多个意图的查询向量,召回的内容可能只命中其中一环,模型在生成阶段便缺少完成其余环节所需的材料。

NVIDIA 官方文档把查询分解定位为一种「高级 RAG 技术」,并称开启它可以提升多跳推理(multi-hop reasoning)或上下文丰富型查询的准确率。该文档列出的收益包括:更好的上下文覆盖,即捕获复杂查询的多个侧面;迭代式细化,即根据初步发现继续追问;多视角分析,即从不同角度接近同一问题。需要强调的是,这些表述来自 NVIDIA 官方文档对其 RAG Blueprint 的描述,并非整个行业的统一结论。

学术侧的问题意识略有不同。arXiv 论文《Query Decomposition for RAG: Balancing Exploration-Exploitation》指出,RAG 系统通过把复杂请求分解为子查询、为每个子查询检索可能相关的文档、再聚合这些文档来生成答案;而高效地选取有信息量的文档需要平衡一对关键权衡:一方面检索得足够广以覆盖全部相关材料,另一方面又要限制检索以避免过多噪声与计算开销。该论文正是围绕这一权衡展开。

工作机制

按 NVIDIA 官方文档的划分,查询分解包含三个核心组件,可以理解为三个步骤:

  1. 子查询生成:由 LLM 驱动的拆解过程,把原始复杂查询改写为若干更聚焦的子查询。每个子查询对应原问题的一个侧面或一个中间步骤。
  2. 迭代处理:进行多轮细化,根据前一轮的发现提出后续问题。文档把这一特性称为「迭代式细化」,即系统不是一次性列完所有子查询,而是可以边查边问。
  3. 回答合成:把来自所有子查询的洞察合并,生成最终的综合回答。

在 NVIDIA RAG Blueprint 中,查询分解默认是关闭的。启用方式是通过环境变量:设置 ENABLE_QUERY_DECOMPOSITION=true,并可配合 MAX_RECURSION_DEPTH 控制递归深度(文档示例取值为 3)。设置后需要重启 RAG 服务器才会生效;在 Kubernetes 环境中则可通过 Helm 部署,在 values.yaml 的 envVars 中写入同名配置项后应用变更。

arXiv 论文则给出了另一种视角的机制描述:把查询分解与文档检索形式化为一个「利用—探索」(exploitation-exploration)问题。系统一次检索一个文档,据此建立关于某个子查询效用的信念(belief),并据此决定是继续利用当前子查询,还是转向探索另一个子查询。论文实验了多种 bandit 学习方法,用以动态选择信息量最大的子查询。该论文的主要发现是:使用排序信息和人工判断来估计文档相关性,可带来文档级精确率 35% 的提升、α-nDCG 15% 的提升,并在长文本生成这一下游任务上表现更好。这些数字是该论文在其实验设置下报告的结果,不应外推为任意系统的普遍表现。

典型例子

NVIDIA 官方文档给出了一个基于 Google Frame 基准的准确率对比示例。查询是:「我在想一座古罗马城市。这座城市被火山喷发摧毁,喷发发生在公元 79 年,火山是一座层状火山。决定该城市被列为联合国教科文组织世界遗产的会议在哪里举行?」参考答案为「Naples(那不勒斯)」。未启用查询分解时,模型回答称会议于 1997 年举行,但「所提供上下文中未提及会议的具体地点」;启用查询分解后,回答直接给出「Naples」。该文档以此说明开启查询分解前后的准确率差异。

同一文档还给出了一个多跳查询的例子,用以说明何时该用查询分解:「如果我未来的妻子与美国总统第 15 任第一夫人的母亲同名,且她的姓氏与第二位被暗杀总统的母亲的娘家姓相同,那我未来妻子叫什么名字?」文档将其拆为五步:识别美国第 15 任第一夫人;找出这位第一夫人母亲的名字;识别第二位被暗杀总统;找出该总统母亲的娘家姓;合并两个名字得出最终答案。

在部署层面,文档提到的真实系统即 NVIDIA RAG Blueprint,支持 Docker Compose 与 Helm 两种部署路径,并区分自托管模型与 NVIDIA 托管模型两类后端。

边界与常见误解

查询分解并非对所有查询都有必要。NVIDIA 官方文档明确列出了不适用场景:简单事实性问题,如「法国的首都是哪里」,属于简单查找,无需分解;单一概念查询,如「定义机器学习」,属于直接定义,同样不需要分解。把这类问题强行拆解,只会增加调用次数与延迟,而不会带来信息增益。

一个常见误解是把它当成「多查几次」的同义词。按 NVIDIA 文档的描述,查询分解的关键在于子查询是围绕原问题的不同侧面或中间步骤生成的,并且存在迭代追问与最终合成的环节;单纯重复检索同一查询并不构成分解。

另一个容易被忽略的代价是噪声与成本。arXiv 论文把这一点作为核心权衡提出:检索得越广,越可能覆盖全部相关材料,但也越容易引入无关内容并抬高计算开销。论文用 bandit 方法动态选择子查询,正是为了在两者之间取得平衡。此外,NVIDIA 文档显示该功能默认关闭,且需要重启服务才能生效,说明它被视为一种需要显式开启的可选增强,而非默认路径。

还需注意,上述收益数字分别来自不同来源、不同实验设置:准确率示例来自 NVIDIA 官方文档的单一基准演示,精确率与 α-nDCG 的提升来自 arXiv 论文的实验报告。两者都不能被表述为查询分解在任何数据集、任何模型上的确定效果。

参考资料