标准 RAG 把 Top-k 文本块当作无结构的“事实袋”。即使每个块都相关，生成器也未必知道块内哪些句子是核心主张、哪些是限定条件，也不知道块间是支持、对比、因果还是冲突关系。由此会出现两类结构盲区：块内无法识别局部论证层级，块间无法恢复跨文档连贯性。例如，一篇证据称维生素 D 使缺乏者在冬季的流感率下降，另一篇称总体效应不显著；扁平拼接容易把条件性结果错误泛化为普遍结论。
RAG 的评估正在转向 nugget-level，即检查回答覆盖了多少独立原子事实，但大多数系统仍检索包含多条事实的 passage 或没有状态管理的 proposition。这种“评估单位与检索单位不一致”在静态语料上主要造成噪声和 token 浪费，在动态语料上则会造成更严重的问题：同一属性的新旧版本、互相冲突的来源会被一同交给生成器，模型容易合并成一个流畅但时态错误的回答。
迭代 RAG 的瓶颈不只是“生成下一条查询”，而是每一轮都要可靠回答两个控制问题：当前证据是否足以回答？若不足，具体缺什么？现有方法常把这两个决定隐含在自由文本推理、答案置信度或 critic 反馈中，难以审计，也容易在噪声上下文中漂移、重复检索或过早停止。
长答案 RAG 和报告生成要求结果集覆盖一个复杂问题的多个信息面，而不只是把最相关的文档排在最前。标准 dense retriever 用单一相关性监督把同一查询的正例聚到嵌入空间的狭窄区域，容易返回内容不同但 nugget 重复的文档。已有研究也发现，文档级 nDCG 提升并不稳定转化为 nugget coverage 提升。
多跳问答不仅要反复检索，还要决定“先解决哪一步、哪些步骤能并行、什么时候不必检索而应直接推理”。现有迭代式 RAG 常把原问题直接拆成绑定具体实体的子问题，容易因同名实体或词义歧义在第一步就选错对象，并将错误沿推理链放大；同时它们通常按固定顺序执行子问题，忽略顺序依赖、并行分支和 fork-join 等结构，造成冗余检索、证据冲突及跨分支信息无法融合。
核心贡献：提出 HippoRAG 2，在 HippoRAG 的 OpenIE + Personalized PageRank 基础上加入 passage 节点、query-to-triple 深层上下文链接和 LLM recognition memory 过滤，使同一套 RAG 在事实记忆、长篇语篇理解和多跳关联记忆三类任务上都超过最强 dense retriever，并在关联记忆任务上取得约 7% 的平均提升 。
