近日，蒙古文智能信息处理技术国家地方联合工程研究中心、内蒙古自治区多语种人工智能技术重点实验室飞龙、王炜华课题组在多跳问答领域取得重要研究成果。相关论文“HEAR-RAG: A Hypergraph-Based Evidence-Aware Retrieval-Augmented Generation Framework for Multi-Hop Question Answering”被EMNLP 2026（The 2026 Conference on Empirical Methods in Natural Language Processing）主会录用。EMNLP 是自然语言处理领域的国际顶级会议，被国际计算机学科排名 CSRankings 纳入自然语言处理方向会议列表，是中国人工智能学会 A 类推荐国际学术会议。

论文题目：HEAR-RAG: A Hypergraph-Based Evidence-Aware Retrieval-Augmented Generation Framework for Multi-Hop Question Answering（主会长文）

作者：吕长斌、王炜华*、陶连龙、邢佳乐、飞龙

单位：内蒙古大学

论文简介：多跳问答旨在让模型从多个文档或文本片段中整合分散证据，以完成复杂推理。现有检索增强生成（Retrieval-Augmented Generation，RAG）方法通常基于查询与文本片段的相似度进行检索，难以完整捕捉多跳推理所需的证据关联；且容易忽视局部关系线索和跨片段实体对齐问题。为此，本文提出一种基于超图的证据感知RAG框架。该方法构建事实证据超图，联合建模高阶事实、低阶关系和源文本证据，并通过关系感知的实体提及聚类减少证据碎片化。在检索阶段，该方法利用混合结构检索构建多跳证据路径，用于答案的生成。实验结果表明，该方法在多个多跳问答基准数据集上表现优越，能够更有效地组织分散证据并提升复杂问答效果。