无需预构建图的RAG:自适应推理结构的检索增强生成论文信息
标题: You Don’t Need Pre-built Graphs for RAG: Retrieval Augmented Generation with Adaptive Reasoning Structures
作者: Shengyuan Chen, Chuang Zhou, Zheng Yuan, Qinggang Zhang, Zeyang Cui, Hao Chen, Yilin Xiao, Jiannong Cao, Xiao Huang
发布日期: 2025-08-08
ArXiv链接: https://arxiv.org/abs/2508.06105
核心概述大型语言模型(LLM)在处理超出其知识和感知范围的问题时,常常会产生幻觉,生成事实错误的陈述。检索增强生成(RAG)通过从知识库检索查询相关的上...
图检索增强生成综述：定制化大语言模型的图检索增强生成
图检索增强生成综述：定制化大语言模型的图检索增强生成论文概述本文是一篇关于图检索增强生成的综述性研究论文，由 Qinggang Zhang 等8位研究者共同完成。
研究目标本研究的主要目标包括：
提供图检索增强生成（Graph-based Retrieval-Augmented Generation）范式的综合性综述
识别传统平面文本检索增强生成系统的三个关键局限
系统性地分析三个关键图检索增强生成创新：图结构化知识表示、高效的图检索、结构感知的知识集成
研究背景当前挑战
性能优化：如何提升大语言模型在实际任务中的表现
效率提升：如何减少推理时间和计算资源消耗
可靠性保证：如何确保模型输出的稳定性和准确性
可扩展性：如何使方法能够应用到更多场景和任务
研究动机为了解决这些挑战，本研究提出了创新的方法和技术，旨在提升大语言模型的性能和实用性。
核心方法方法概述该综述系统性地分析了...
基于图结构的检索增强生成综述
基于图结构的检索增强生成综述
ArXiv ID: 2501.00309作者: Haoyu Han, Yu Wang, Harry Shomer, Kai Guo, Jiayuan Ding…发布日期: 2024-12-31分类: context-engineering评分: 4.5/5.0
摘要检索增强生成（RAG）技术通过从外部数据源检索相关信息来增强大语言模型（LLM）的能力，使其能够提供更准确、更新的知识。本综述论文系统地研究了基于图结构数据的RAG技术（GraphRAG），提出了一个包含查询处理器、检索器、组织器、生成器和数据源五大组件的全面框架。该综述覆盖了知识图谱、文档图、科学图谱、社交图等10个不同领域的GraphRAG技术，为研究者提供了跨学科的研究视角。
📊 GraphRAG：图结构时代的检索增强生成全景图在大语言模型（LLM）快速发展的今天，如何让A...
图检索增强生成综述
图检索增强生成综述
ArXiv ID: 2408.08921作者: Boci Peng, Yun Zhu, Yongchao Liu, Xiaohe Bo, Haizhou Shi…发布日期: 2024-08-15分类: context-engineering评分: 4.1/5.0
摘要本文提供了图检索增强生成（GraphRAG）方法的首个全面综述。将GraphRAG工作流形式化为三个阶段：基于图的索引（Graph-Based Indexing）、图引导检索（Graph-Guided Retrieval）和图增强生成（Graph-Enhanced Generation）。系统回顾了每个阶段的核心技术和训练方法，探讨了下游任务、应用领域和评估方法，并配套开源GitHub仓库供研究者参考。
📊 GraphRAG综述：首个系统性的图检索增强生成全景为什么需要GraphRAG？...