速评：10 月 8 日挂 arXiv，16 日就更到第二版，RIT-RAG，cs.AI 和 cs.IR 双挂，编号 2610.11370。
方向我认，说服力打个折。
它骂的那句话，圈里憋很久了：agentic RAG 这两年越做越花，迭代检索、多轮改写、agent loop，名字一个比一个响，最后交到模型手里的还是一个个孤立的文本块——这块在原文里长在哪儿、属于哪一章、上一段刚把什么否掉了，一概不带。模型只能靠字面相似度猜，把“看着像”当成“真相关”。这不是模型的毛病，是我们喂料的方式偷了懒。chunk 切了两年，全网刷 agentic 的时候，谁问过这些块在原文里排第几？
转头去批 PageIndex 那一路结构感知的方法，也批得准：语料一大就装不进上下文，还得先靠文档检索器挑中一篇，挑错了没有回头路——召回的错误被一次性固化，后面再怎么迭代都是在一口错井里往下挖。不过这个对手本来就好打，结构感知路线的老毛病圈里都清楚，赢它不算本事。
RIT-RAG 的解法不复杂：离线阶段照每篇文档的目录或站点地图建一棵树，查询时先广撒网召回一批块，按位置归纳出能横跨多篇文档的子树，再让 agent 在子树上挑着读、该改查询就改查询。
停一下。“目录或站点地图”这五个字是整篇论文最要紧的地方，它躲在“离线阶段”后头，一句话就带过去了。
技术文档的目录是什么状态？层级清楚、标题规整、有人维护、版本一更顺手就跟着改。这是目录里的优等生。EntQABench 那 284 万个网页清一色技术文档——拿它做基准合理，同类可比、标注干净，但也意味着建树的先决条件被悄悄拉满了。真实语料是另一副样子：目录没写、写错、三层嵌套里有两层是空的，扫描版 PDF 压根没有目录，SPA 页面只有路由没有站点地图。这些不在基准里，也不该在，学术论文本来就不负责这个。可读者别顺手把它当成“拿上就能跑”。
这套东西的死穴不在树上，在树下。
数字也得掰开看。金融、科学、客户支持三类基准上准确率高过朴素 RAG、图方法和 agentic 基线，EntQABench 上比最强基线高 6.6 到 11.4 个百分点。区间写法比单点诚实，这点得给；但跨度接近一倍，方差藏在哪、最强基线是怎么调的，论文里的事我不猜。倒是“顺手附赠一个新基准”这个动作得说一句——现在做 RAG 不自己造个榜，数字没人信，已经是标配。不是说造假，是自家基准上赢本来就只能算自证，不算独立证据。这套，眼熟。
我认为真有东西的地方，是查询阶段先广召回、再按位置归纳跨文档子树，而不是一上来就锁死一篇文档。这解决的正是它自己骂出来的那个“早锁死”，比建树那一步有价值得多。建树是工程活，导航策略才是方法。
而工程恰恰是这条路线的门槛。一个团队真要把这套推上线，卡住的不会是 agent 怎么在节点间跳，是那 284 万网页之外的长尾：没有站点地图的、目录写错的、一个 PDF 扫描件、一个后台生成的动态页。论文把这层放进“离线阶段”四个字里了，很聪明，也很正常，但它没消失，只是转移给了做落地的人。
我对“离线阶段”“预处理”这类词有生理性警惕，凡是论文拿一句话打发的地方我都想扒开看看。这不是针对这篇，是这几年看多了养成的条件反射。有可能我这次也想多了。
顺带说个我自己差点翻车的：一周从第一版更到第二版，我第一反应是“这么快，补实验了？”再一想，一周在 arXiv 上就是个正常迭代速度，既不算连夜改也不算磨洋工，拿这个做文章属于过度解读，收回。
这里立个 flag：接下来半年会冒出一批“结构＋检索”混着做的论文，标题里都带 tree，看上去一个比一个像。但真分出胜负的不会是导航算法，是谁把脏目录清洗干净的成本压得更低。预处理 pipeline 便宜的那家赢，不是树画得最漂亮的那家。