6.4.4 长文档、多文档、跨文档问题分别有什么不同？

先给结论：这三类问题都比普通单段问答更复杂，但复杂的原因并不一样。长文档问题难在“信息层级深”，多文档问题难在“候选来源多”，跨文档问题难在“答案需要在多个来源之间建立关系”。

所以如果把三类问题都粗暴看成“文档有点长”，后面的检索设计通常会偏。

一、长文档问题的核心难点

长文档问题通常指的是：

• 答案主要还在一篇文档里
• 但文档本身很长、层级多、结构复杂

它的核心难点通常是：

• 怎么先找到相关范围
• 怎么避免只抓到局部碎片
• 怎么保住章节和上下文关系

这类问题更容易需要：

• 分层检索
• 文档级 + chunk 级结合
• 父子块设计

二、多文档问题的核心难点

多文档问题通常指的是：

• 同一个问题可能要在多篇文档里分别找证据

但这些证据之间不一定需要很强逻辑推理，只是：

• 相关信息分布在多个来源里

它的核心难点通常是：

• 候选范围更大
• 需要更稳的多文档聚合
• 更容易被同一文档内部多个 chunk 抢位

这类问题更需要关注：

• 候选多样性
• 文档去重和聚合
• 结果覆盖而不是只盯单篇文档

三、跨文档问题的核心难点

跨文档问题比多文档再更进一步。

它通常意味着：

• 不只是信息分布在多篇文档里
• 还需要把这些文档之间的关系拼起来，才能真正回答问题

例如：

• 文档 A 给出规则
• 文档 B 给出例外条件
• 文档 C 给出版本限制

这时系统不只是要“都召回到”，还要：

• 把它们正确拼接起来

这类问题最难的不是召回某一条，而是：

• 能不能把多个来源组织成一个正确证据链

一个更直观的对比

可以先这样理解：

• 长文档问题：难在一棵树内部找对枝叶
• 多文档问题：难在很多树里找到相关几棵
• 跨文档问题：难在把不同树上的证据连成一条链

这三种难点明显不一样。

为什么这会影响检索策略

因为不同问题真正需要的检索能力不同：

• 长文档更强调层级缩范围
• 多文档更强调候选覆盖和聚合
• 跨文档更强调多来源关联和后续组织

如果系统用完全同一种策略处理，常见问题就是：

• 处理长文档时太碎
• 处理多文档时覆盖不够
• 处理跨文档时只召回到零散证据，拼不起来

一个常见误区

很多人会觉得：

• 只要把 top_k 调大，就能统一解决这三类问题

这通常不够。

因为：

• 长文档问题不只是候选少，而是结构没被利用
• 多文档问题不只是候选少，而是来源不够均衡
• 跨文档问题不只是候选少，而是证据之间没有被组织起来

也就是说，问题不只是“多拿一点”，而是“检索目标本来就不同”。

一句话总结

长文档、多文档、跨文档问题虽然都更复杂，但难点并不一样。长文档难在层级结构，多文档难在多来源覆盖，跨文档难在证据关联。把它们区分开，后面的检索设计才不容易一把抓错。