GraphRAG
GraphRAG je přístup založený na rozšířeném načítání (retrieval-augmented generation), který rozšiřuje velké jazykové modely (LLM) o znalostní grafy s cílem zlepšit kvalitu odpovědí a faktickou správnost. Místo načítání plochých textových pasáží GraphRAG konstruuje a dotazuje strukturované znalostní grafy extrahované z dokumentů, čímž poskytuje jazykovému modelu bohaté kontextové informace.
Přečíst celou metodu
Pro přečtení této sekce se přihlaste s bezplatným účtem.
Method map
The neighbourhood of related methods — select a node to explore.
Zdroje
- Gao, Y., Xiong, Y., Gao, X., Jia, K., Pan, J., Bi, Y., Dai, Y., Sun, J., & Wang, M. (2023). Retrieval-augmented generation for large language models: A survey. arXiv preprint arXiv:2312.10997. link ↗
Jak citovat tuto stránku
ScholarGate. (2026, June 3). Graph-based Retrieval-Augmented Generation. ScholarGate. https://scholargate.app/cs/deep-learning/graphrag
Which method?
Set this method beside its closest kin and read them side by side — the library lays the books on the table; the choice is yours.
- Latent Diffusion ModelsHluboké učení↔ compare
- Maskované autoenkodéryHluboké učení↔ compare
- Segment Anything ModelHluboké učení↔ compare
- Prostorově-časové grafové konvoluční sítěHluboké učení↔ compare
Odkazuje sem
Našli jste na této stránce chybu? Nahlaste ji nebo navrhněte opravu →