HippoRAG2
PulseAugur coverage of HippoRAG2 — every cluster mentioning HippoRAG2 across labs, papers, and developer communities, ranked by signal.
1 天有情绪数据
-
GraphRAG评估指标因评估工具不同而产生冲突结果
最近的一项分析强调，检索增强生成（RAG）方法的评估，特别是GraphRAG，根据评估工具的不同，可能得出截然不同的结论。当由LLM评估者进行评估时，GraphRAG表现出高度的全面性和多样性，但当使用ROUGE-2等指标与地面真实进行评分时，这些结果会逆转，普通RAG通常表现更好。同样，检索性能也因特定基准和所用指标的不同而有显著差异，某些方法在事实检索方面表现出色，而另一些方法在复杂推理方面表现出色。这些方法的成本也显示出巨大的差…
-
新的RAG系统通过多模态融合增强PDF检索
研究人员开发了Multimodal CoLRAG-TF，这是一个新颖的检索增强生成系统，旨在处理具有多模态内容和多跳推理要求的复杂PDF。该系统采用四轴融合架构，结合了密集文本嵌入、BM25关键词匹配、知识图谱三元组过滤和基于图像的相似性。通过提取和索引开放信息抽取三元组，该系统实现了亚秒级查找和分层相关性传播，显著提高了多跳检索质量。评估显示，多跳查询的检索召回率为0.9909，答案相似度大幅提高，证明了三重过滤多模态融合在结构化推…
-
DeLIVeR 框架通过知识图谱探索增强 LLM 的事实核查能力 · 跟踪 1 个来源
研究人员开发了 DeLIVeR，一个旨在提高大型语言模型自动化事实核查准确性的新框架。该系统将复杂声明分解为有针对性的问题，然后利用这些问题来探索知识图谱以获取证据。该框架采用强化学习方法，特别是组相对策略优化 (GRPO)，来训练规划器 LLM，从而显著提高了真实性识别能力。在 LIAR、FEVER 和 PolitiFact 等数据集上的评估表明，使用 Qwen2.5-7B 的 DeLIVeR 比现有方法取得了高出 15% 的 F1…
-
新的RAGU引擎使用紧凑型LLM提升GraphRAG性能
研究人员推出RAGU，一个开源引擎，旨在通过采用多步知识图谱构建过程来改进Graph Retrieval-Augmented Generation (GraphRAG)。与单通道系统不同，RAGU将实体提取与整合分开，利用DBSCAN等技术进行去重，并使用Leiden社区检测进行图谱构建。一项关键创新是开发了Meno-Lite-0.1，一个针对语言技能优化的紧凑型7B参数模型，其在知识图谱构建方面的表现优于Qwen2.5-32B等大型…
-
RAGU引擎使用紧凑型7B模型实现高效GraphRAG
研究人员开发了RAGU，一个开源的GraphRAG引擎，旨在改进大型语言模型的知识图谱构建和检索。RAGU将知识图谱提取与整合分开，采用包括类型化提取、去重、摘要和社区检测在内的多阶段流程。一项关键创新是Meno-Lite-0.1，一个针对语言技能优化的紧凑型7B参数模型，其在知识图谱构建方面优于Qwen2.5-32B等大型模型，并在英语GraphRAG任务上与之匹敌，同时仅需单GPU即可运行。
-
研究人员开发PhaseGraph，通过校准图和向量检索分数来改进多跳问答。
研究人员开发了一种名为PhaseGraph的新方法，通过更好地整合基于图的相关性信号和向量相似性分数来改进多跳问答。该技术通过使用百分位秩归一化将不同分布的分数映射到共同尺度，然后再进行融合，从而解决了结合不同分布分数的问题。在MuSiQue和2WikiMultiHopQA基准上的实验表明，这种校准融合方法在检索准确性方面带来了适度但统计学上显著的改进。