织梦做网站视频教程,在线网站建设哪个正规,wordpress 虚拟货币模块,wordpress 禅意主题GraphRAG
最近几天#xff0c;微软团队开源了GraphRAG#xff0c;这是一种基于图#xff08;Graph#xff09;的检索增强生成方法。
先说说RAG吧#xff0c;检索增强生成#xff0c;相当于是从一个给定好的知识库中进行检索#xff0c;接入LLM模型#xff0c;让模型生…GraphRAG
最近几天微软团队开源了GraphRAG这是一种基于图Graph的检索增强生成方法。
先说说RAG吧检索增强生成相当于是从一个给定好的知识库中进行检索接入LLM模型让模型生成准确且符合上下文的答案减少幻觉根据特定的知识库进行符合知识库内容的回答。如果和模型微调进行比较通俗点来说RAG是给模型一本《答案全解》让它自己查微调是给模型开辅导班补习。不过传统RAG有一些待解决的问题比如推理能力不足答案不完整准确性不足等。 知识图谱可视化示例
而 GraphRAG 的实现流程大致如下首先将输入文本转化为文本块让 LLM 提取知识图谱将知识图谱聚类基于关键词实现子图遍历。
我们直接来看看 GraphRAG 的实战测试吧。测试基于俄乌双方关于暴力事件的上千份新闻报道文件内容比较多而且内容之间关系复杂无法直接放入LLM的上下文中RAG方法是此时的最优解。团队首先测试了第一个问题Novorossiya 是什么 可以看到无论是 Baseline RAG 还是 GraphRAG 表现都很好因为这种查询确实是基线RAG擅长的部分查就完了。
但如果把问题换成Novorossiya 做了什么 Baseline RAG 根本没法给出答案它的源文件中没有任何东西提到这个关键词。而 GraphRAG 让 LLM 建立了知识图谱分析实体之间的关系生成了很不错的答案。GraphRAG 极大的提升了 RAG 的检索能力在捕获上下文的这个过程中可以填充更多具有相关性的内容从而让生成的答案更具准确性。
不过有一个无法避免的问题所有的性能改进技术都会导致 token 的使用和推理的时间增加。但这并不影响 GraphRAG 的优秀让我们一起期待一下GraphRAG的进一步发展吧
项目地址
https://github.com/microsoft/graphrag ——EOF——
福利
后台回复【酒店】可免费领取酒店管理系统源码
