Graph RAG 相关论文与方法汇总（持续更新）
-
From Local to Global：A Graph RAG Approach to Query-Focused Summarization
- 着重解决 RAG 回答全局性综述问题；
- 来自微软，在使用大语言模型构建图基础上，使用 Leiden 算法对图进行分层聚类。
-
Graph Chain-of-Thought：Augmenting Large Language Models by Reasoning on Graphs
- 构建图 RAG 评估数据集，使用基于逻辑的、预先定义好的节点和关系类型构建图，构建了简单（只需遍历图的一个节点或者经过一步就可以获取答案）、中等（需要在图上进行多步推理）、困难（不能直接通过对图进行检索来回答，但是图中的信息对于回答有帮助）三种难度的问题；
- 将图推理分为
思考、图交互、执行三个步骤，定义了 4 种图交互函数，由 LLM 决定使用哪个交互函数。主要应该在于prompt的设计； - 性能评估使用 Rouge-L 和 GPT-4 进行性能评估。
原文地址：https://blog.csdn.net/bengyanluo1542/article/details/142964744
免责声明：本站文章内容转载自网络资源，如本站内容侵犯了原著者的合法权益，可联系本站删除。更多内容请关注自学内容网（zxcms.com）！