作者： Darren Edge, Ha Trinh, Newman Cheng, Joshua Bradley, Alex Chao, Apurva Mody, Steven Truitt, Dasha Metropolitansky, Robert Osazuwa Ness, Jonathan Larson
摘要：
检索增强生成（RAG）通过从外部知识源检索相关信息，使大型语言模型（LLM）能够回答关于私有和/或先前未见过的文档集合的问题。然而，RAG在处理针对整个文本语料库的全局性问题时（例如“数据集中的主要主题是什么？”）会失败，因为这本质上是一个面向查询的摘要（QFS）任务，而非显式的检索任务。同时，先前的QFS方法无法扩展到典型RAG系统所索引的文本量。为了结合这两种不同方法的优势，我们提出了GraphRAG，一种基于图的方法，用于对私有文本语料库进行问答，该方法能够适应用户问题的通用性和源文本的数量。我们的方法使用LLM分两个阶段构建图索引：首先，从源文档中推导出实体知识图谱；然后，为所有紧密相关的实体组预生成社区摘要。给定一个问题，每个社区摘要被用来生成一个部分回答，然后所有部分回答再次被汇总，形成给用户的最终回答。对于在百万令牌量级数据集上的一类全局意义构建问题，我们展示了GraphRAG在生成答案的全面性和多样性方面，相较于传统的RAG基线带来了显著改进。
主题/分类：
- 主要：计算与语言（cs.CL）
- 相关：人工智能（cs.AI）；信息检索（cs.IR）
提交/修订日期：
- 提交于2024年4月24日
- 最后修订于2025年2月19日（本版本，v2）