Search

Tag: #rag131 results

LLM 革新調查研究與缺失數據填補技術

研究人員開發了一套用於調查工作流程的五階段 LLM 框架，並推出了 A-TLM 模型，在災難相關數據集中表現優於傳統填補方法。研究證明，將 LLM 與因果知識圖譜結合可顯著降低偏差並提升數據品質。

ArXiv AIResearch•May 21#data-imputation#survey-research#causal-inference

為何 RAG 對企業級 AI Agent 失效及其解決方案

RAG 架構僅能檢索資訊，卻缺乏決策背景，導致企業 AI Agent 在複雜任務中頻繁出錯。Rippletide 提出的決策上下文圖（Decision Context Graph）透過結構化記憶與時間感知推理，解決了 Agent 遺忘與決策邏輯缺失的問題。

VentureBeatMedia•May 20#rag#agentic-workflow#knowledge-graph

DeepMind 收購 Contextual AI 人才與技術

Google DeepMind 已敲定協議，將從 Contextual AI 引進超過 20 名研究人員並授權其技術。此交易包含 1 億美元的支付，且 Contextual AI 執行長 Douwe Kiela 將加入 DeepMind 團隊。

cnBeta (Full RSS)Media•May 19#talent-acquisition#rag#llm-research

騰訊發布開源模型插件，解決模型記憶問題

騰訊發布了一款專為解決大型語言模型記憶問題而設計的開源插件。該工具旨在增強 AI 模型的上下文保留能力。

钛媒体Media•May 19#llm-memory#rag#tencent-ai

MetaKGEnrich：LLM 自動化知識圖譜修復系統

MetaKGEnrich 是一個自動化管線，透過識別稀疏圖譜區域並檢索外部證據，使 LLM 能夠進行自我導向的知識修復。該系統結合了拓撲診斷與 GraphRAG，顯著提升了多項基準測試中的回答準確度。

ArXiv AIResearch•May 19#knowledge-graph#metacognition#rag

CBEA：解決個人化語言系統中的承諾失敗問題

這項研究引入了「合約綁定證據激活」(CBEA) 與「字典序承諾驗證」(LCV)，以防止語言模型做出不可靠的承諾。透過限制證據範圍並驗證結構化輸出，該系統顯著降低了長文本與記憶密集型應用中的失敗率。

ArXiv AIResearch•May 19#llm-reliability#rag#memory-systems

圖形增強型 RAG 的架構模式

本文探討了企業環境中標準向量 RAG 的局限性，並提出了混合式「Graph RAG」架構。它強調在資料攝取過程中維護數據拓撲結構與關聯性，以提升 LLM 推理的準確性。

VentureBeatMedia•May 17#rag#graph-database#llm-architecture

IBM 發布具備 32K 上下文的 Granite Embedding Multilingual R2

IBM 發布了以 Apache 2.0 授權開源的 Granite Embedding Multilingual R2 模型。該模型在 1 億參數以下的規模中提供頂尖的檢索品質，並支援 32K 的上下文視窗。

Hugging Face BlogOfficial•May 14#embeddings#rag#multilingual

AI 聊天機器人洩漏個人電話號碼

用戶回報 Google AI 正在洩漏私人聯絡資訊，導致他們收到大量陌生來電。目前尚無簡單的機制能防止個人資料被這些模型曝光。

MIT Technology ReviewResearch•May 13#privacy#pii-leakage#data-security