GraphRAG
GraphRAG on lähestymistapa, joka täydentää suuria kielimalleja (large language models, LLM) tietograafeilla (knowledge graphs) vastausten laadun ja faktuaalisuuden parantamiseksi. Sen sijaan, että haettaisiin tasaisia tekstikatkelmia, GraphRAG rakentaa ja kysyy dokumenteista poimittuja jäsenneltyjä tietograafeja, tarjoten rikasta kontekstuaalista tietoa kielimallille.
Lue koko menetelmä
Kirjaudu sisään maksuttomalla tilillä lukeaksesi tämän osion.
Method map
The neighbourhood of related methods — select a node to explore.
Lähteet
- 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 ↗
Näin viittaat tähän sivuun
ScholarGate. (2026, June 3). Graph-based Retrieval-Augmented Generation. ScholarGate. https://scholargate.app/fi/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 ModelsSyväoppiminen↔ compare
- Masked AutoencodersSyväoppiminen↔ compare
- Segment Anything ModelSyväoppiminen↔ compare
- Spatiaalis-temporaaliset graafikonvoluutioverkotSyväoppiminen↔ compare
Tähän viittaavat
Huomasitko virheen tällä sivulla? Ilmoita siitä tai ehdota korjausta →