Glossario

LazyGraphRAG

Che cos’è LazyGraphRAG?

LazyGraphRAG è un approccio alla retrieval-augmented generation basata su grafi presentato da Microsoft Research nel 2024. A differenza di GraphRAG, in fase di indicizzazione non fa generare riassunti a un modello linguistico, ma individua concetti e co-occorrenze con tecniche classiche di elaborazione del linguaggio; il modello linguistico interviene solo al momento della domanda. Secondo Microsoft, i costi di indicizzazione scendono così al livello di una semplice RAG vettoriale. È adatto soprattutto a domande che richiedono una visione d'insieme di grandi raccolte di documenti.

Temi

RAG
Grafo della conoscenza
Retrieval

Prova KI.ordo

Agenti, flussi e modelli in un’unica area di lavoro – demo gratuita di 24 ore.

Avvia demo

← Tutti i termini

Termini correlati

Retrieval-Augmented Generation (RAG)

La Retrieval-Augmented Generation unisce ricerca e generazione di testo: prima di rispondere, il sistema cerca in una raccolta di conoscenze, come manuali, linee guida o FAQ, i passaggi pertinenti e li fornisce al modello linguistico come contesto. La risposta si basa così su contenuti aziendali aggiornati e non solo sulle conoscenze apprese in addestramento. Questo riduce le affermazioni inventate, rende tracciabili le fonti e consente aggiornamenti senza nuovo addestramento.

RAG
ricerca nelle conoscenze
+1

Ragionamento multi-hop

Il ragionamento multi-hop è la capacità di un sistema di IA di rispondere a una domanda attraverso più inferenze successive, spesso combinando informazioni da fonti diverse. Esempio: “Quale reparto dirige la persona responsabile del progetto X?” richiede prima di individuare il responsabile e poi il suo reparto. Domande di questo tipo sono impegnative per i sistemi di ricerca e RAG, perché ogni passaggio intermedio deve essere trovato e collegato correttamente.

ragionamento
risposta a domande
+1

Recupero dell'informazione

Il recupero dell'informazione (information retrieval) comprende i metodi che, in grandi raccolte di testi, trovano i documenti o i passaggi pertinenti a una richiesta e li ordinano per rilevanza. Approcci classici come BM25 pesano i termini in base a frequenza e rarità; quelli più recenti aggiungono la somiglianza semantica. È alla base di motori di ricerca, ricerca aziendale e retrieval-augmented generation, in cui un modello linguistico usa i passaggi trovati come fonte della risposta.

Ricerca
BM25
+1

Pipeline di retrieval

Una pipeline di retrieval è la sequenza di passaggi con cui un sistema trova le informazioni giuste per una domanda. Di solito comprende: importare e pulire i documenti, suddividerli in sezioni, creare un indice di ricerca, eventualmente riformulare la richiesta, cercare i risultati, ordinarli (reranking) e passare i migliori al modello linguistico. È la base di ogni applicazione RAG e la sua qualità determina in larga misura la bontà delle risposte.

RAG
ricerca
+1