H-RCL 如何讓向量搜尋讀懂層級表格——MixRAG 框架深度解析

Fri, 22 May 2026 14:00:00 +0800

這篇文章是「Advanced RAG 架構思考」系列的第二篇技術解析，對應的綜述概覽在這裡。本篇聚焦 MixRAG（KDD 2026, arXiv:2504.09554），說明 H-RCL 表示法的數學定義、DocRAGLib 資料集、雙階段檢索設計，以及為什麼這一篇和 TableRAG 解決的是不同的問題。

前言：同樣是表格問題，但不一樣
#

讀完 TableRAG 之後，你可能會想：「好，我把表格放進 SQL 資料庫，問計算問題就交給 SQL，問題不就解決了？」

MixRAG 說：還沒。

TableRAG 解決的是「計算」問題——如何在完整表格上執行精確計算。但 MixRAG 解決的是「檢索」問題——當文件庫裡有 2,178 份文件，每份文件都包含文字和多張層級表格時，你怎麼找到「這個問題應該從哪份文件的哪張表格回答」？

這是 RAG 中的文件選擇問題，不是問答問題。而且在加入層級表格之後，這個選擇問題變得格外困難。

MixRAG 是在 KDD 2026 上發表出來的，它的核心貢獻可以分三層理解：

DocRAGLib：第一個真正包含層級表格的異質文件 RAG benchmark
H-RCL 表示法：讓層級表格在向量化後保留結構語意
三模組框架：從資料表示到跨模態檢索到多步推理的完整架構

核心問題：為什麼層級表格特別難
#

在進入 H-RCL 的細節之前，必須先理解「層級表格（Hierarchical Table）」的特殊性。

MixRAG on GuanLin's Latent Space

H-RCL 如何讓向量搜尋讀懂層級表格——MixRAG 框架深度解析

前言：同樣是表格問題，但不一樣 #

核心問題：為什麼層級表格特別難 #

前言：同樣是表格問題，但不一樣
#

核心問題：為什麼層級表格特別難
#