Leiden community detection
PulseAugur coverage of Leiden community detection — every cluster mentioning Leiden community detection across labs, papers, and developer communities, ranked by signal.
2 天有情绪数据
-
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…
-
新方法在无外部掩码的情况下分割四维高斯场景
研究人员开发了 Intrinsic-GS，一种新颖的方法，可以在不依赖外部二维掩码或学习特征的情况下分割动态四维高斯溅射场景。该方法从外观、方向和变形轨迹等内在场景线索构建亲和力图，然后使用 Leiden 社区检测对其进行划分。Intrinsic-GS 在 Neu3D 和 HyperNeRF 等基准测试中表现强劲，实现了具有竞争力的分割精度，同时在速度上显著优于掩码监督方法，并减少了对可能不可靠的外部掩码的依赖。
-
Microsoft 的 GraphRAG 为大语言模型语料库分析构建知识图谱
Microsoft Research 开发的一种名为 GraphRAG 的新方法，旨在改进大语言模型传统的向量检索方法。虽然向量 RAG 在查找特定段落方面表现出色，但在需要理解整个语料库的整体查询方面存在困难。GraphRAG 通过从大语言模型提取的实体和关系构建知识图谱，然后生成这些社区的层次化摘要来解决这个问题。这使得对主题性问题能够给出更全面的答案，尽管其索引过程比标准的向量 RAG 资源消耗更大。