G-Retriever

Graph-RAG 通过知识图谱增强 LLM 的问题回答能力

研究人员开发了一种名为 Graph-RAG 的新方法，该方法利用知识图谱来提高大型语言模型 (LLM) 的问题回答能力，特别是在文化特定或代表性不足的信息方面。该方法通过将 LLM 的响应与外部知识图谱相结合来增强 LLM，与标准的检索增强生成 (RAG) 相比，提供了更好的控制和可解释性。在 LatamQA 数据集上的实验表明，Graph-RAG 显著减少了 LLM 的错误，并且随着知识图谱与任务的相关性提高，性能也随之提升。该系统…