PulseAugur
中
实时 15:25:24
English(EN) A Unified Framework for Context-Aware and Relation-Aware Graph Retrieval-Augmented Generation

新的RAG和长上下文模型利用知识图谱

作者 PulseAugur 编辑部 · [4 个来源] ·

两篇新的研究论文介绍了改进检索增强生成（RAG）和长上下文语言模型的先进方法。第一篇论文《用于上下文感知和关系感知的图检索增强生成的统一框架》（HyGRAG）提出了一个分层图RAG框架，该框架整合了上下文和关系信息，以在不同抽象级别上实现更有效的知识融合和检索。第二篇论文《用于长上下文建模的知识图增强记忆增强检索》（KGERMAR）提出了一个在推理过程中构建动态、上下文特定的知识图谱的框架，以增强对长上下文模型中实体状态和关系的理解，从而提高困惑度和内存效率。 AI

影响 这些框架通过整合知识图谱来更好地理解关系和上下文，从而推进了RAG和长上下文建模，有可能提高复杂推理和信息检索任务的性能。

排序理由 该集群包含两篇关于RAG和长上下文建模新颖框架的学术论文，已提交至arXiv。

在 arXiv cs.AI 阅读 →

AI 生成摘要 · Google Gemini · 来自 4 个来源。 我们如何撰写摘要 →

新的RAG和长上下文模型利用知识图谱

报道来源 [4]

  1. arXiv cs.AI TIER_1 English(EN) · Haoyang Zhong, Yifei Sun, Antong Zhang, Chunping Wang, Lei Chen, Yang Yang ·

    面向上下文感知和关系感知的图检索增强生成的统一框架

    arXiv:2606.18075v1 Announce Type: new Abstract: Retrieval-Augmented Generation (RAG) has emerged as a paradigm for enhancing large language models (LLMs) with external knowledge, yet existing graph-based methods face a fundamental limitation: entity-centric and chunk-centric appr…

  2. arXiv cs.AI TIER_1 English(EN) · Yang Yang ·

    面向上下文感知和关系感知的图检索增强生成的统一框架

    Retrieval-Augmented Generation (RAG) has emerged as a paradigm for enhancing large language models (LLMs) with external knowledge, yet existing graph-based methods face a fundamental limitation: entity-centric and chunk-centric approaches operate on representations anchored to or…

  3. arXiv cs.AI TIER_1 English(EN) · Ghadir Alselwi, Basem Suleiman, Hao Xue, Shoaib Jameel, Hakim Hacid, Flora D. Salim, Imran Razzak ·

    面向长上下文建模的知识图增强记忆增强检索

    arXiv:2606.14047v1 Announce Type: cross Abstract: Long-context language modeling requires not only extending context windows but maintaining coherent understanding of entity states and relationships across thousands of tokens -- a challenge that semantic similarity alone cannot a…

  4. arXiv cs.IR (Information Retrieval) TIER_1 English(EN) · Imran Razzak ·

    知识图谱增强的记忆增强检索用于长上下文建模

    Long-context language modeling requires not only extending context windows but maintaining coherent understanding of entity states and relationships across thousands of tokens -- a challenge that semantic similarity alone cannot address. KGERMAR addresses this by constructing dyn…

相关实体

相关话题