NavTree：无需LLM摘要的层级检索长文档问答研究
Get the story
2026年10月7日，arXiv Computation and Language（一手）报道一项长文档问答的层级检索研究，提出 NavTree。该方法仅在叶节点输出，索引阶段零 LLM 调用，构建确定性平衡分段树；查询时以混合词频与稠密前沿游走，从根节点导航到叶块。评测显示，在匹配成本评测中，NavTree 是最强的匹配成本层级检索器，与最强扁平基线持平；在长文档多跳 QA 中，它是唯一在类对类基础上显著超过 BM25 的层级方法。目前报道未涉及后续更新或争议。
Generated from reports · updated 3 hr ago
Timeline
Follow the coverage from different angles.
- arXiv · Computation and Language长文档问答的层级检索研究：无需 LLM 摘要的树导航
研究提出 NavTree，一种仅在叶节点输出的层级检索器：索引阶段零 LLM 调用，构建确定性平衡分段树，查询时以混合词频与稠密前沿游走从根节点导航到叶块。在匹配成本评测中，NavTree 是最强的匹配成本层级检索器，与最强扁平基线持平；在长文档多跳 QA 中，它是唯一在类对类基础上显著超过 BM25 的层级方法。
Heat trend
Current heat 9·Comparable peak 10（Oct 7）·Comparable change over 24 hours –
The trend compares only the same participants observed continuously; its range may be smaller than the current heat count. Move or click on the chart to inspect hourly heat; use the left and right arrow keys to switch.