GraphRAG
GraphRAG er en tilnærming for gjenfinningsforsterket generering som utvider store språkmodeller med kunnskapsgrafer for å forbedre svarskvalitet og faktualitet. I stedet for å hente flate tekstpassasjer, konstruerer og spør GraphRAG strukturerte kunnskapsgrafer utvunnet fra dokumenter, og gir rik kontekstuell informasjon til språkmodellen.
Les hele metoden
Logg inn med en gratis konto for å lese denne delen.
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 ↗
Slik siterer du denne siden
ScholarGate. (2026, June 3). Graph-based Retrieval-Augmented Generation. ScholarGate. https://scholargate.app/no/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 diffusjonsmodellerDyp læring↔ compare
- Maskerte autoenkodereDyp læring↔ compare
- Segment Anything ModelDyp læring↔ compare
- Spatial-Temporal Graph Convolutional NetworksDyp læring↔ compare
Referert av
Funnet en feil på denne siden? Rapporter eller foreslå en rettelse →