速评：9 月 16 日挂上 arXiv 的那篇文化 QA 论文，卖点就一个数字——知识图谱把错误率砍掉 72%。
编号 2609.18317，cs.CL，三个作者，标题长到像把三个关键词直接焊在一起。这两天几个群里转的文案，基本是同一个模板："KG 暴打 RAG"。我不信。理由不在技术层面，在这篇论文自己的措辞里。
先说这 72% 是什么。是错误率下降，不是准确率涨了 72 个点——在文化类多选题上这俩差得远。base 模型碰上长尾文化题本来就答得一塌糊涂，从 40 涨到 65，和从 10 涨到 30，错误率降幅看着差不多，实际差着量级。摘要里没摆 base 的绝对水平，只挂了个带百分号的相对数。这处留白很讲究，换谁都得这么写。
真正让我停下来的是论文里另一句话，意思大概是：图谱越往贴着任务内容的方向去组织，Graph-RAG 和 RAG 之间的差距就越小。
翻译成人话——那个 72% 出现在差距最大的那一档配置上。图是 KGGen 从维基百科端到端抽出来的，零人工整理，这个配置本身没问题；但作者等于自己承认了，图谱和检索之间的差距不是一个架构常数，是个可调的旋钮。你往图里塞进越多贴着题目的结构，另一边的检索也跟着变好，两边往一块收。那这个旋钮拧到哪一格才算"KG 比 RAG 强"？论文给的是一格上的快照，不是一条曲线。差距最大的那一档，恰好也最容易出标题数字。这句话我在转发的文案里一次都没看见。不意外，抄摘要的人只抄带百分号那句。
再说图是怎么来的。KGGen、维基百科、端到端、零人工。这个设定，比"我们手工建了个领域图谱，然后证明它比检索好"那批诚实多了——手工建图再跟 RAG 比，那是自证，答案本来就在图里，赢是应该的。这篇没走那条路，这点给它记上。
但代价是：图和检索抓的是同一个维基百科。那差距到底来自"结构化表示"本身，还是来自抽取器顺手做掉的那层过滤和压缩？论文没把这两件事拆开。我在这儿打个问号。
还有一条埋得很深的：投影层不用目标语言微调，零样本迁到葡萄牙语。
这条比 72% 有意思得多，如果它站得住。它说的不是"我们支持多语言"那种通稿话术，是训练出来的对齐方式本身带着某种跨语言的结构——图那一侧的组织逻辑，可能比语言本身更通用。要真是这样，后面半年会有人在别的地方接着验。
不过这回我也不打算给它鼓掌。LatamQA 是拉美文化导向的多选题，八个主题类别，葡萄牙语和西班牙语的维基覆盖本来就高度重叠。这个迁移测试的难度里有多少是被数据集自己摊薄的，我拿不准，作者也没展开。先记着，不下结论。
顺便交代一下我这篇的论证方式：实验我没跑，也不打算跑。证据全部来自论文自己的措辞和前后对齐关系，不是复现出来的数字。在这个题上够用——我要拆的不是它准不准，是它选择把哪一句放进摘要、把哪一句塞进正文中段。
这里立个 flag：三个月内不会冒出第二篇独立复现，把那个 72% 原样端出来，能复现到一半就算不错。理由是错误率相对下降这种指标太脆，抽取器换个版本、chunk 切法换一档、题目分布稍微动一下，出来的数就能差出一大截。方向我猜是对的，结构化上下文处理长尾文化事实确实有优势，这个方向不用怀疑。幅度，保留。
最后一句可能不太舒服：这类论文的价值，往往不在它证明了什么，在它暴露了什么。这篇暴露出来的是——"KG vs RAG"这个提法本身可能就立不住：两边共享同一个语料来源，共享同一批长尾盲区，差距只落在中间的表示层和过滤层，而这两层的可调空间又大到能把结论拧来拧去。真正该问的不是谁更强，是什么条件下哪一边被喂了更多贴着题目的信息。