PulseAugur
中
实时 14:48:46
English(EN) Noesis: Bidirectional Graph-RAG with Adaptive Parallelism and Cross-Knowledge-Base Semantic Discovery

Noesis架构通过自适应并行和跨知识库路由增强Graph-RAG · 跟踪2个来源

作者 PulseAugur 编辑部 · [2 个来源] ·

研究人员推出了一种新颖的Graph-RAG架构Noesis，旨在克服将大型语言模型与领域特定知识进行基础化的局限性。Noesis采用了四种关键算法：用于模拟人类阅读的双向图遍历、用于实现23倍加速的自适应扩展的AIMD并发控制器、用于提供消费级GPU上6.3倍加速的领域感知量化的Moesis，以及用于跨知识库语义路由的Mesh。该系统在HotpotQA基准测试中表现出显著的改进，达到了59.5 EM / 74.7 F1，比现有的Graph-RAG方法提高了27.8 EM，同时利用了较小的本地模型进行图构建，而不是GPT-4o。 AI

影响 增强了LLM在领域特定语料库中的基础化能力，有望提高知识密集型任务的准确性和效率。

排序理由 该集群描述了一篇详细介绍新颖Graph-RAG架构的研究论文。

在 arXiv cs.IR (Information Retrieval) 阅读 →

AI 生成摘要 · Google Gemini · 来自 2 个来源。 我们如何撰写摘要 →

Noesis架构通过自适应并行和跨知识库路由增强Graph-RAG · 跟踪2个来源

报道来源 [2]

  1. arXiv cs.AI TIER_1 English(EN) · Nicola Cogotti ·

    Noesis：具有自适应并行和跨知识库语义发现的双向图-RAG

    arXiv:2608.15919v1 Announce Type: cross Abstract: Retrieval-Augmented Generation over knowledge graphs (Graph-RAG) has emerged as a powerful paradigm for grounding large language models in domain-specific corpora. However, existing systems face persistent limitations: (1) static …

  2. arXiv cs.IR (Information Retrieval) TIER_1 English(EN) · Nicola Cogotti ·

    Noesis：具有自适应并行和跨知识库语义发现的双向图-RAG

    Retrieval-Augmented Generation over knowledge graphs (Graph-RAG) has emerged as a powerful paradigm for grounding large language models in domain-specific corpora. However, existing systems face persistent limitations: (1) static chunking fragments long documents, losing cross-se…

相关实体

相关话题