微软GraphRag论文节选翻译

文章预览

论文标题：From Local to Global: A Graph RAG Approach to Query-Focused Summarization 论文作者：Darren Edge、Ha Trinh、Newman Cheng、Joshua Bradley、Alex Chao、Apurva Mody、Steven Truitt 论文地址：https://arxiv.org/pdf/2404.16130 代码地址：https://github.com/microsoft/graphrag 摘要 检索增强生成（RAG） 通过从外部知识源检索相关的信息，使得大型语言模型（LLMs）能够回答私有的或之前未见的文档集合中的问题。然而，RAG在全局问题上会失败，这些问题是针对整个文本语料库提出的问题，如“数据集的主要主题是什么？”，因为这本质上是一个Query-Focused Summarization (QFS)任务，而不是明确的检索任务。先前的QFS方法，同时无法扩展到通常RAG系统中索引的文本量。为了结合这两种方法的优点，我们提出了一种基于图的RAG方法，该方法能够在私有文本语料库上进行问题回答，并且能够随着用户问题的 ………………………………