18.1
知识图谱实体与关系
知识图谱即knowledge graph，是以明确对象及其关系组织信息的一类表示方式。实体即entity，表示在当前建模范围内可以区分的对象；关系即relation，表示对象之间有语义的联系。节点node是图结构中的位置，并不必然等于现实实体，它也可以表示文档、观察或事件。边edge是结构连接，只有定义类型与方向后才知道其含义。理解这些层次，可以避免把图上画出的所有连接都当成已经确认的现实关系。
例如，图片节点连接到菜品节点，可能表示展示该菜、疑似拍到该菜或由该菜商品页面提供，三种关系不能共用一个含糊的相关标签。本体ontology规定允许表达哪些对象与关系，模式schema规定具体数据结构，两者在工程中可能重叠，但不应把字段表等同于全部领域知识。术语使用应服务清晰表达：讨论对象身份时说实体，讨论算法结构时说节点，讨论证据时说观察或陈述。这样的区分也有助于跨语言阅读，因为英文论文有时在不同上下文中使用同一个graph词汇，实际研究对象却可能是实体网络、片段网络或文档网络。
18.2
检索增强与图增强的范围
RAG即retrieval augmented generation，通常指利用检索到的外部材料支持生成。GraphRAG在广义上表示图结构参与这一过程，但具体参与位置可能不同。检索retrieval负责找到候选，重排reranking负责重新排序，生成generation负责组织输出。三者可以由不同模型完成，也可以部分采用规则。检索到了正确材料不保证生成正确，生成流畅也不能证明检索充分。因此讨论系统效果时，要说明所指的是哪个阶段以及评价对象。
微软GraphRAG是一个具体项目与方法系列，不能用其名称覆盖所有图增强研究。全局搜索global search侧重跨较大范围的归纳，局部搜索local search侧重围绕相关对象组织材料；这里的全局不意味着系统掌握世界全部知识，局部也不意味着只读一份文件。多跳multihop表示回答需要连接多个证据步骤，不等同于回答很长或推理文字很多。一个只需要查表的问题，即使模型写出十段思考，也不会因此变成多跳任务。术语应根据证据结构使用，而不是根据输出外观或宣传措辞判断。
18.3
对齐链接融合与补全
对齐alignment表示不同表示之间建立对应，可能发生在图文嵌入、实体集合或局部区域层面。链接linking通常强调把提及或观察指向某个实体。融合fusion指结合多源信息，但融合结果可以保留冲突，不必只有一个值。补全completion指预测缺失关系或属性，这种预测是候选知识，不自动成为已确认事实。四个词都涉及连接，却回答不同问题：对应什么、指向谁、怎样结合、还可能缺少什么。
以菜品图片为例，文字与图像在共享空间相近属于表示对齐，把图片定位到窗口A商品属于实体链接，把菜单与图片观察共同登记属于证据融合，根据已知配方猜测另一种食材属于补全。若把最后一步的预测直接写回确认属性，就会把模型偏好变成循环证据。后续检索再次读到这个属性时，可能误以为存在独立来源。为避免这种自我强化，系统应保存产生方式与状态，训练标签、模型预测和人工确认也应分别管理。研究评价中，链接准确率、融合收益和补全排名不能互相替代；它们需要不同参考答案和错误分析。
18.4
依据忠实性与事实正确性
Grounding在本报告中指回答与可定位依据建立联系，faithfulness指回答没有超出给定证据或歪曲其内容，factual correctness则关心陈述与现实或可靠参考是否一致。三者相互相关但不等价。一段回答可以有出处，却引用了不支持它的段落；也可以忠实复述一份错误记录；还可能凭模型记忆说对事实，却没有提供当前任务要求的依据。评价时应分别检查支持关系、忠实程度和事实状态，而不把任何一种单独当成全部可靠性。
Hallucination常被译为幻觉，但实际错误应进一步定位为无依据新增、错误归因、条件丢失或虚构来源。Abstention表示在证据不足时不作确定回答，合理拒答不等于系统失败；过度拒答则可能阻碍本可完成的任务。Calibration表示确信表达与实际正确程度相匹配，模型给出0.9并不意味着在该业务上已经校准。对用户最有帮助的表达往往不是一个精细分数，而是明确的支持来源与缺口。例如“已找到当前菜单记录，但图片版本未确认”比没有解释的高置信标签更可判断。这些术语共同服务于把回答变成可检查陈述。
18.5
精度召回覆盖与百分点
Precision在检索中通常表示返回项中的相关比例，在目标检测中还涉及匹配规则与阈值；中文精度或准确率的译法需要结合原文定义。Recall表示相关项被找回的比例，coverage则可能表示对象、属性或任务的覆盖，不能仅因中文都涉及覆盖就视为同一指标。Accuracy通常按明确评测单位计算正确比例，必须知道分母。Average precision与nDCG是不同排序或检测指标，也不能只因为数值都在零到一之间就直接比较。
百分比变化需要区分百分点与相对变化。从80%到87.01%是增加7.01个百分点，相对增加约8.76%，两种表述都可正确，但回答的问题不同。错误率由20.38%降到2.3%，是下降18.08个百分点，相对下降约88.71%，不能写成下降18.08%。报告涉及指标时应保留原文名称与定义，必要时加上公式与分母说明。图表纵轴也应明确是百分数、比例还是百分点差值。细小的单位错误可能大幅改变读者对效果的理解，因此数值核验不仅检查数字抄对，还要检查它在句子中的意义是否正确。
18.6
复现泛化因果与应用价值
复现reproduction通常指依据已报告方法重新检验结果，但不同研究对重复性与可复现性的术语约定可能不同，因此应直接说明代码、数据和条件。泛化generalization指在未见条件下保持能力，需要说清新的是实体、来源、时间还是任务。消融ablation通过移除或改变组件研究贡献，公平消融需要控制其他条件。基准benchmark提供共同任务与规则，但一个基准上的高分不能独立证明真实部署价值。
相关association表示观察到联系，因果causality要求能够支持干预或原因判断的更强设计。图上有向边也不自动成为因果边；方向可能只表示陈述结构或时间次序。应用价值utility则取决于用户任务、错误后果、时间和成本，未必与通用分数完全一致。一个系统即使平均答题提升，也可能因版本错误而不适合服务当前业务；一个较简单系统可能在高频精确查询中更有价值。报告因此坚持把技术能力、测量结论和采用决策分开：能力需要实验，结论需要边界，采用需要任务与维护证据。清楚使用这些词，能够减少研究传播中的夸大，并让中英文读者围绕同一个问题讨论。