GraphRAG
GraphRAG — это подход к генерации с дополненным поиском, который расширяет большие языковые модели графами знаний для повышения качества и фактической точности ответов. Вместо поиска плоских текстовых фрагментов GraphRAG строит и запрашивает структурированные графы знаний, извлеченные из документов, предоставляя языковой модели богатую контекстную информацию.
Читать метод полностью
Войдите с бесплатным аккаунтом, чтобы прочитать этот раздел.
Method map
The neighbourhood of related methods — select a node to explore.
Источники
- 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 ↗
Как цитировать эту страницу
ScholarGate. (2026, June 3). Graph-based Retrieval-Augmented Generation. ScholarGate. https://scholargate.app/ru/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.
- Модели латентной диффузииГлубокое обучение↔ compare
- Маскированные автокодировщикиГлубокое обучение↔ compare
- Сегментационная модель «Сегментируй всё»Глубокое обучение↔ compare
- Пространственно-временные графовые свёрточные сетиГлубокое обучение↔ compare
Упоминается в
Нашли ошибку на этой странице? Сообщите о ней или предложите исправление →