实体
Meno-Lite-0.1
Meno-Lite-0.1
PulseAugur coverage of Meno-Lite-0.1 — every cluster mentioning Meno-Lite-0.1 across labs, papers, and developer communities, ranked by signal.
总计 · 30天
0
90 天内 3
发布 · 30天
0
90 天内 0
论文 · 30天
0
90 天内 3
层级分布 · 90 天
主题
最近 · 第 1/1 页 · 共 3 条
-
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。
-
RaguTeam 在 SemEval-2026 LLM 任务中获胜，采用裁判编排的集成模型
RaguTeam 为 SemEval-2026 任务 8 开发了获胜系统，该任务专注于忠实的多轮响应生成。他们的方法采用了七个大型语言模型的异构集成，并使用 GPT-4o-mini 作为裁判来选择最佳响应。这种集成方法优于其他 26 个团队，达到了 0.7827 的调和平均数，证明了不同模型家族和提示策略的有效性。