DocNavRAG: 문서 구조 그래프 기반의 상황 인지 증거 구축을 통한 복잡한 문서 질의응답

DocNavRAG: Document-Structured Graph RAG with Stateful Evidence Construction for Complex Document Question Answering

대규모 문서 컬렉션에 대한 복잡한 질문에 답변하려면, 다양한 섹션과 문서를 아우르는 상호 보완적인 증거를 수집해야 합니다. GraphRAG는 구조화된 검색을 제공하지만 일반적으로 고정된 탐색 방식을 사용하며, 에이전트 기반 RAG는 약하게 구조화된 인터페이스에서 작동합니다. 우리의 핵심 아이디어는 에이전트가 반복적으로 처음부터 검색하는 대신 문서 내부 및 문서 간의 구조를 탐색해야 한다는 것입니다. 우리는 DocNavRAG를 소개합니다. DocNavRAG는 문서 계층 구조와 문서 간 관계를 탐색 가능한 그래프로 구성하고, 위치 찾기, 탐색, 확장 및 증거 수집을 위한 그래프 연산을 제공하며, 충분한 증거가 수집될 때까지 검색을 안내하는 변화하는 증거 상태를 유지합니다. 네 가지의 장문 및 다중 문서 질의응답 벤치마크에서 DocNavRAG는 평균적으로 최고의 기준 모델보다 답변 품질과 문맥 충족도를 각각 7.8%와 17.7% 향상시켰습니다.

Answering complex questions over large document collections requires assembling complementary evidence across sections and documents. GraphRAG offers structured retrieval but typically uses fixed traversal, while agentic RAG operates over weakly structured interfaces. Our key insight is that agents should navigate document structure within and across documents rather than repeatedly search from scratch. We introduce DocNavRAG, which organizes document hierarchies and cross-region relations into a navigable graph, exposes graph operations for locating, navigating, expanding, and fetching, and maintains an evolving evidence state to guide retrieval until sufficient evidence is collected. Across four long- and multi-document QA benchmarks, DocNavRAG improves answer quality and context sufficiency over the strongest baseline by 7.8\% and 17.7\% on average.