HyGRL

新的HyGRL框架通过自适应图推理增强多实体问题解答

研究人员推出了一种新颖的HyGRL框架，旨在解决对当前检索增强语言模型构成挑战的多实体组合问题。HyGRL通过将非结构化文本嵌入结构化知识图谱，形成用于证据检索的异构网络，从而解决了标准RAG、Graph-RAG和LLM构建的Graph-RAG的局限性。该系统采用两阶段学习过程，结合模仿学习和强化学习，实现推理的自适应结构归纳。实验表明，HyGRL在准确性和推理保真度方面均优于最先进的基线，同时保持了较低的token成本和接近实时的推理速度。