GraphRAG
GraphRAG er en retrieval-augmented generation-tilgang, der udvider store sprogmodeller med vidensgrafer for at forbedre svarkvalitet og faktuel korrekthed. I stedet for at hente flade tekstpassager konstruerer og forespørger GraphRAG strukturerede vidensgrafer udvundet fra dokumenter, hvilket giver rig kontekstuel information til sprogmodellen.
Læs hele metoden
Log ind med en gratis konto for at læse dette afsnit.
Method map
The neighbourhood of related methods — select a node to explore.
Kilder
- 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 ↗
Sådan citerer du denne side
ScholarGate. (2026, June 3). Graph-based Retrieval-Augmented Generation. ScholarGate. https://scholargate.app/da/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.
- Latente diffusionsmodellerDyb læring↔ compare
- Maskerede AutoencodersDyb læring↔ compare
- Segment Anything ModelDyb læring↔ compare
- Rumlig-tidslige graf-konvolutionelle netværkDyb læring↔ compare
Refereret af
Har du fundet en fejl på denne side? Indberet den eller foreslå en rettelse →