免训练GraphRAG检索算法DotRAG提出
热点事件持续更新
免训练GraphRAG检索算法DotRAG提出
1 篇报道1 个报道来源9 小时前更新
先了解这件事
AI 综述
Larnell Moore 等作者提出免训练、轻量级的 GraphRAG 检索算法 DotRAG，利用大语言模型推理缩小搜索空间并恢复与任务相关的关系路径。 据论文报告，在 MetaQA 2-hop 查询上，DotRAG 的检索召回率为 97.78%、F1 为 51.27%，而最佳基线分别为 34.74% 和 6.33%；在 STaRK-MAG 上，其 2-hop 召回率为 85.07%，检索延迟比 HopRAG 低 12.2 倍。这些数字均为作者在论文中给出的实验结果。
AI 根据报道生成 · 50 分钟前更新
最新进展11月11日 13:00
DotRAG：检索时沿路径推理的轻量级 GraphRAG 算法报道时间线
沿着报道，了解事件的不同侧面。
11月11日
- arXiv cs.AIDotRAG：检索时沿路径推理的轻量级 GraphRAG 算法
DotRAG 是一种无需训练的轻量级 GraphRAG 检索算法，利用 LLM 推理缩小搜索空间并恢复任务相关的关系路径。在 MetaQA 2-hop 查询上，其检索召回率达 97.78%、F1 为 51.27%，远超最佳基线的 34.74% 和 6.33%。在 STaRK-MAG 上，DotRAG 的 2-hop 召回率为 85.07%，检索延迟比 HopRAG 低 12.2 倍。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。