多模态 RAG 不必共用一张图：DualG-MRAG 拆分全局推理与局部匹配

多模态 RAG 面对复杂的多跳问题时，难点不只是找到相似内容，还要识别不同文档、不同模态证据之间的关系。2026 年 7 月 30 日提交至 arXiv 的 DualG-MRAG，尝试把全局结构推理与细粒度证据匹配拆开处理，避免让一张图同时承担两类目标。

单一图结构的粒度矛盾

现有方法多以独立实例为单位做匹配，容易忽略跨模态、跨文档的显式关联。图增强方法虽然能补充结构信息，却会遇到明显的粒度冲突：把细粒度视觉特征全部纳入图中，节点和连接会快速扩张，并引入更多检索噪声；如果只保留粗粒度表示，又可能丢掉回答问题所需的局部证据。

DualG-MRAG 的出发点不是继续寻找统一粒度，而是将职责分离。Macro Graph 用于全局拓扑路由，负责确定证据之间可能成立的结构关系；Micro Graph 则面向精确的局部验证，保留细节匹配能力。这样，细粒度信息不必直接干扰全局搜索，全局结构也不会替代局部证据本身。

从检索结果转向推理路径

论文进一步使用 GNN Retriever，把检索表述为由查询驱动的消息传递过程，使相关性可以在异构证据来源之间动态传播。这意味着候选证据的价值不再只由独立相似度决定，还会受到图中关联证据的影响。

在生成阶段，DualG-MRAG 没有沿用将若干孤立文档块直接交给生成模型的方式，而是加入动态规划解码机制，从 GNN 的前向传播过程中抽取显式推理路径。其目标是为生成模型提供连贯的结构指引，让输入不仅包含“有哪些证据”，还包含“这些证据如何连接”。

我的判断

这项工作的价值在于把多模态图检索中的粒度矛盾转化为架构分工，思路清晰，尤其适合需要跨文档、跨模态、多跳关联的任务。它的适用边界也很明确：如果问题主要依赖单条证据，双层图、GNN 消息传递和路径解码可能增加不必要的系统复杂度。材料未提供具体数据集、指标、计算开销及消融结果，因此目前还无法判断两级图在效果与成本之间是否形成稳定优势，也不能确认显式路径能在多大程度上改善最终生成质量。