NativeScope：基于原生拓扑与正确锚点的关系局部化检索

论文提出 NativeScope，一种 scope-then-rank 检索方法：将查询表示为 q -> (A, r, B)，先用锚点 A 和关系 r 通过 belonging、before、after 等操作符选定原生单元，再仅对与所选范围重叠的 chunk 按目标词 B 排序；内部变体 NS-FullQ 则用完整问题对同一批候选排序。在 QASPER 和 LongMemEval 衍生的 200 条受控文档与记忆记录、1024 token 预算下，NativeScope 的文档原生单元召回率为 89.28%、记忆为 72.50%，相比 instance-wide Dense RAG 分别提升 42.75 和 22.00 个百分点；NS-FullQ 分别为 87.78% 和 68.50%。

AI推荐理由 提出 NativeScope 的 scope-then-rank 检索方法，将查询表示为 q -> (A, r, B)，利用数据系统已有的原生结构（章节归属、会话边界、原生顺序）先按 anchor 和 relation 选定原生单元，再对范围内 chunk 排序。在 QASPER 与 LongMemEval 衍生的 200 条受控文档/记忆记录、1024 token 预算下，文档原生单元召回 89.28%、记忆 72.50%，较 instance-wide Dense RAG 分别提升 42.75 和 22.00 个百分点；NS-FullQ 为 87.78% 和 68.50%。新信息在于把结构信息显式引入检索排序，对 RAG 与长记忆系统有参考价值；局限是评测规模仅 200 条受控样本，且依赖已知 anchor 与 relation 的查询设定，摘要未给出完整对比与统计显著性。