一文看懂GraphRAG：蚂蚁集团联合各所名校出品GraphRAG综述

文章预览

1. 引言 尽管大语言模型这两年各方面表现非常出色，但是由于缺乏特定领域知识、实时更新信息，导致模型存在一定局限性。这些不足容易引发幻觉现象，即模型生成不准确甚至是虚构的信息。 所以，用外部知识来补充大型语言模型以缓解幻觉问题势在必行。检索增强生成（Retrieval-Augmented Generation, RAG）作为一种重要解决方案应运而生。 RAG通过在生成过程中融入检索组件来提升生成内容的质量和相关性。RAG 的核心在于能够动态查询大型文本语料库，将相关的事实知识纳入底层语言模型生成的响应之中。这种融合不但丰富了上下文深度，还保证了事实准确性和特异性。因其出色的表现和广泛的应用，RAG 备受关注，成为大语言模型应用领域的重点。 虽然 RAG 成果斐然，并在各个领域得到广泛应用，但在实际场景中仍面临一些局限： •  忽视关系 ： ………………………………