微软GraphRAG最新动态：通过动态社区选择改善全球搜索

文章预览

GraphRAG: Improving global search via dynamic community selection 发布时间 2024 年 11 月 15 日 作者：Bryan Li ， 研究实习生 Ha Trinh ，高级数据科学家 Darren Edge ， 高级总监 Jonathan Larson ， 高级首席数据架构师 摘要 微软研究人员开发了一种名为GraphRAG的动态社区选择方法，显著降低了全局搜索的成本（平均降低77%），同时保持了与静态方法相当的响应质量，甚至在某些方面有所改进。 Key Takeaways: * GraphRAG使用分层知识图来回答需要整体数据集理解的“全局”查询。 * 动态社区选择方法通过预先评估社区报告的相关性来减少计算成本。 * 与静态方法相比，动态方法在保持类似响应质量的同时，将标记成本降低了77%。 * 动态方法允许搜索整个知识图，而不是预定义静态社区级别，从而可能产生更详细的答案。 * 使用较小的LLM模型进行相关性评分，降低了计算成本。 * 在AP ………………………………