统一框架下基于图的检索增强生成深度分析

文章预览

基于图的检索增强生成（RAG）技术通过将外部知识整合至大语言模型（LLMs），显著提升了模型的事实准确性、适应性、可解释性与可信度。尽管文献已提出多种基于图的RAG方法，但在相同的实验设置下，这些方法并没有得到系统和全面的比较。本文首先提出一种高层次统一框架，囊括所有现有基于图的RAG方法，进而通过多组问答数据集（涵盖具体问题与抽象问题）对代表性方法进行全面对比，深入分析其有效性。实验表明，通过组合现有技术，我们可针对特定问答任务与抽象问答任务分别设计新的RAG变体，其性能超越当前最优方法。最后，本文总结了关键研究启示与未来方向，为后续研究提供新的有价值的见解。 原标题： In-depth Analysis of Graph-based RAG in a Unified Framework 原文链接： https://arxiv.org/pdf/2503.04338 一、主要贡献 提出统一框架：提出首个基 ………………………………