​GraphRAG太贵? 港大打造LightRAG，让大模型RAG问答成本降低几十倍

文章预览

近期， 香港大学黄超团队提出了一种新的大模型 RAG 范式——LightRAG。 这是一种简单快速的检索增强生成（RAG）系统，显著降低了与大语言模型（LLMs）相关的成本。LightRAG 通过图结构有效捕捉和表示实体间的复杂关系，采用双层检索范式，实现低层与高层信息的高效整合。此外，LightRAG 还具备快速适应动态数据变化的能力，能够及时整合新信息。 论文标题： LightRAG: Simple and Fast Retrieval-Augmented Generation 论文链接： https://arxiv.org/abs/2410.05779 项目链接： https://github.com/HKUDS/LightRAG 摘要 检索增强生成（RAG）系统通过整合外部知识源，增强了大语言模型（LLMs）的功能，使其能够根据用户需求生成更精准且上下文相关的响应。 然而，现有的 RAG 系统存在一些明显的局限性，例如对平面数据表示的依赖以及缺乏足够的上下文感知能力，这导致答案往往碎片化 ………………………………