HiKEY: 개방형 문서 질의응답을 위한 계층적 다중 모드 검색

HiKEY: Hierarchical Multimodal Retrieval for Open-Domain Document Question Answering

대규모 산업 데이터 코퍼스를 기반으로 하는 문서 중심의 개방형 질의응답(ODQA)에서 검색 증강 생성(RAG)은 두 가지 중요한 문제점에 직면합니다. 첫째, 정확한 문서를 찾는 과정에서의 라우팅 실패이며, 둘째는 흩어져 있는 정보를 통합하는 과정에서의 증거 단편화입니다. 기존 접근 방식들은 단순한 텍스트 조각이나 페이지 단위의 이미지에 의존하기 때문에 (i) 수천 개의 후보 문서 중에서 목표 문서를 정확하게 식별하고 (ii) 제한된 토큰 예산 내에서 표나 그림과 같은 다중 모드 증거를 유기적으로 연결하는 데 어려움을 겪습니다. 이러한 문제점을 해결하기 위해, 우리는 문서 계층 구조를 핵심 검색 신호로 활용하는 계층적 트리 기반의 다중 모드 검색 프레임워크인 HiKEY를 제안합니다. HiKEY는 단순한 조각 나누기를 넘어, 문서 계층 파싱(DHP)을 통해 논리적인 이종 그래프를 재구성하여 명시적으로 부모-자식 관계를 인코딩합니다. HiKEY는 계층적이고 거칠기로부터 세밀함으로 진행하는 전략을 채택하며, (1) 계층적 인덱싱을 사용하여 검색 공간을 빠르게 줄이는 전역 라우팅과 (2) 다중 모드 융합 전략을 활용하여 가장 차별적인 증거를 기반으로 섹션을 순위를 매기는 정교한 검색을 수행합니다. 마지막으로, HiKEY는 하이브리드 구조-의미 패킹 전략을 통해 토큰 효율적인 증거 서브 그래프를 구성합니다. ODQA 벤치마크에서의 실험 결과, HiKEY는 페이지 및 조각 기반의 기존 방법보다 성능이 훨씬 뛰어나 검색 재현율을 최대 12.9% 향상시키고 전체 질의응답 성능을 최대 6.8% 향상시켰습니다.

Retrieval-augmented generation (RAG) for document-based Open-domain Question Answering (ODQA) on large-scale industrial corpora faces two critical bottlenecks: routing failure in locating the correct document and evidence fragmentation in integrating scattered information. Existing approaches relying on flat text chunks or page-level images inherently struggle to (i) precisely pinpoint the target document among thousands of candidates and (ii) organically connect multimodal evidence, such as tables and figures, within a limited token budget. To address these challenges, we propose HiKEY, a hierarchical tree-based multimodal retrieval framework that elevates document hierarchy to a first-class retrieval signal. Instead of simple chunking, HiKEY reconstructs a logical heterogeneous graph via Document Hierarchical Parsing (DHP), explicitly encoding parent-child relationships. Adopting a hierarchical coarse-to-fine strategy, the framework (1) performs global routing to rapidly prune the search space using hierarchical indexing, and (2) conducts fine-grained retrieval to rank sections by employing a multimodal fusion strategy that captures the most discriminative evidence. Finally, HiKEY assembles a token-efficient evidence subgraph via a hybrid structural-semantic packing strategy. Experiments on ODQA benchmarks demonstrate that HiKEY significantly outperforms page- and chunk-based baselines, improving retrieval recall by up to 12.9% and end-to-end QA performance by up to 6.8%.