多模态知识图谱增强生成迎来专用评测基准：MKG-RAG-Bench

随着知识图谱增强生成（RAG）技术成为提升大语言模型准确性的重要手段，多模态知识图谱的检索难题日益凸显。现有评测基准大多忽略多模态知识在跨模态对齐、异构数据融合等方面的特殊挑战，导致检索环节成为系统性能提升的关键瓶颈。

为此，研究团队构建了首个专门针对多模态知识图谱RAG检索环节的跨领域评测基准MKG-RAG-Bench。该基准基于通用和医疗两大领域的多模态知识图谱构建，通过大语言模型驱动的数据筛选流程，自动过滤低价值知识节点，生成结构化的监督式查询数据集，系统覆盖了文本、图像等多种模态组合场景。

实验显示，在多模态知识检索任务中，传统面向非结构化文本设计的检索器表现显著受限，检索质量与最终生成效果呈现强相关关系。该基准通过将检索环节作为独立评估目标，为诊断现有系统局限、推动多模态知识图谱RAG技术发展提供了标准化评测框架。研究团队表示，未来将扩展更多垂直领域数据集，持续跟踪检索技术在复杂多模态场景下的演进。