Paper 页面 - OmniRetrieval：跨异构知识源的统一检索

来源：https://huggingface.co/papers/2605.29250

摘要

OmniRetrieval 是一个框架，通过识别合适的知识仓库并将原生查询分派到各自的执行引擎，来处理多样化的知识源，其在多种数据集类型上均优于单源方法。

现实世界的信息需求需要访问结构多样的知识源（https://huggingface.co/papers?q=knowledge%20sources），从非结构化文本、关系表格到知识图谱和属性图。然而，现有的检索器每次只在一个源上，使用固定的查询语言进行操作，使得更广阔的知识源场景因不兼容的接口而碎片化。一种自然的统一尝试是将这些源压缩到一个共享空间中，但这会抹去每个源所特有的结构能力（如模式、本体、组合运算符），而这些能力正是每个源表达力的来源。因此，要在多样化的知识上进行有效检索，需要的不是同质化，而是一个超越层，能够以每个源自身的方式与之对接。为了实现这一目标，我们提出了 OmniRetrieval，该框架接收任意自然语言查询（https://huggingface.co/papers?q=natural-language%20query），识别合适的知识源（https://huggingface.co/papers?q=knowledge%20sources），并将源原生查询（https://huggingface.co/papers?q=source-native%20queries）分派到其原生执行引擎（https://huggingface.co/papers?q=execution%20engines）中。在一个涵盖 13 个数据集和 309 个不同知识库（包括文本、关系和图结构源）的广泛基准上，OmniRetrieval 超越了单源基线，表明它可以作为异构源（https://huggingface.co/papers?q=heterogeneous%20sources）的通用接口，同时保留使每个源具有价值的结构差异。

查看 arXiv 页面（https://arxiv.org/abs/2605.29250）查看 PDF（https://arxiv.org/pdf/2605.29250）GitHub（https://github.com/JinheonBaek/OmniRetrieval）添加到收藏（https://huggingface.co/login?next=%2Fpapers%2F2605.29250）

在您的智能体中获取此论文：

hf papers read 2605\.29250

没有最新CLI？curl \-LsSf https://hf\.co/cli/install\.sh \| bash

引用此论文的模型0

没有模型链接此论文

请在模型 README.md 中引用 arxiv.org/abs/2605.29250，以从该页面链接到此论文。

引用此论文的数据集0

没有数据集链接此论文

请在数据集 README.md 中引用 arxiv.org/abs/2605.29250，以从该页面链接到此论文。

引用此论文的 Space0

没有 Space 链接此论文

请在 Space README.md 中引用 arxiv.org/abs/2605.29250，以从该页面链接到此论文。

包含此论文的收藏集0

没有包含此论文的收藏集

请将此论文添加到一个收藏集（https://huggingface.co/new-collection）中，以从该页面链接到此论文。