Search

Tag: #knowledge-graph35 results

何時該使用 GraphRAG 而非傳統向量 RAG？

GraphRAG 透過知識圖譜連結分散的數據點，解決了傳統向量 RAG 的局限性。雖然它在處理全局查詢與複雜推理時表現優異，但相比單純的相似度搜尋，它需要更高的運算成本。

VentureBeatMedia•Aug 2#rag#knowledge-graph#llm-architecture

HG-RAG：用於結構化知識圖譜的層級引導檢索增強生成

HG-RAG 是一個新的框架，透過遍歷層級化知識圖譜而非平面文件儲存，提升了 RAG 的效能。它使 LLM 能夠進行更好的關聯與多跳推理，同時減少幻覺。

ArXiv AIResearch•Jul 17#rag#knowledge-graph#graph-traversal

Context Graphs：賦能主動式企業 AI 代理

本研究介紹了「Context Graphs」，這是一種關聯式資料結構，使企業 AI 代理能從被動的查詢模式轉向主動通知系統。透過即時監控狀態變化，該框架顯著縮短了向員工提供可執行洞察所需的時間。

ArXiv AIResearch•Jul 10#rag#agentic-workflow#knowledge-graph

Narrative World Model 提升長篇小說記憶能力

Narrative World Model (NWM) 引入了基於敘事學的時間狀態圖，協助 AI 追蹤長篇小說中複雜的故事情節。在多跳敘事推理任務中，其表現顯著優於現有的代理記憶框架（如 Graphiti/Zep）。

ArXiv AIResearch•Jul 8#rag#knowledge-graph#long-context

MKG-RAG-Bench：多模態知識圖譜檢索的新基準測試

MKG-RAG-Bench 是一個全新的跨領域基準測試，旨在評估多模態知識圖譜增強生成（MKG-RAG）中的檢索效能。它透過提供經過策劃的數據集來測試檢索與下游生成品質，解決了異質數據對齊這一關鍵瓶頸。

ArXiv AIResearch•Jun 27#rag#knowledge-graph#multimodal

用於可審計心理健康資訊的代理型 AI

研究人員開發了一種多代理框架，整合了 FDA 的監管數據與來自 Reddit 和 WebMD 的患者敘述。該系統利用 Neo4j 知識圖譜來維護來源證明，確保精神科藥物資訊既具備豐富背景又可追溯。

ArXiv AIResearch•Jun 26#knowledge-graph#provenance#healthcare-ai

T2D-Bench：糖尿病領域 LLM 的證據門控評估基準

T2D-Bench 是一個全新的評估框架，利用多層知識圖譜來驗證 LLM 在第二型糖尿病建議中的臨床準確性。它能識別未經證實的臨床遺漏，並強制模型符合基於證據的醫療準則。

ArXiv AIResearch•Jun 25#healthcare-ai#llm-evaluation#knowledge-graph

POLAR：具備個人化記憶增強的具身 AI 代理

POLAR 是一個新框架，透過維護長期使用者互動的多模態知識圖譜，使具身多模態代理能夠提供個人化協助。它透過檢索語義與情節記憶來更準確地解讀隱含的使用者需求，進而提升任務執行效率。

ArXiv AIResearch•May 27#embodied-ai#multimodal-memory#knowledge-graph