Glossário

LazyGraphRAG

O que é LazyGraphRAG?

O LazyGraphRAG é uma abordagem de geração aumentada por recuperação baseada em grafos, apresentada pela Microsoft Research em 2024. Ao contrário do GraphRAG, não faz um modelo de linguagem criar resumos durante a indexação; em vez disso, identifica conceitos e as suas coocorrências com processamento de linguagem natural clássico, e o modelo de linguagem só é usado no momento da consulta. Segundo a Microsoft, isto reduz os custos de indexação ao nível do RAG vetorial básico. É particularmente adequado para perguntas que exigem uma visão geral de grandes coleções de documentos.

Temas

RAG
Grafo de conhecimento
Retrieval

Experimentar o KI.ordo

Agentes, fluxos e modelos num só espaço de trabalho – demonstração gratuita de 24 horas.

Iniciar demonstração

← Todos os termos

Termos relacionados

Geração aumentada por recuperação (RAG)

A geração aumentada por recuperação combina pesquisa com geração de texto: antes de responder, o sistema pesquisa numa coleção de conhecimento – como manuais, diretrizes ou FAQ – as passagens relevantes e transmite-as ao modelo de linguagem como contexto. A resposta baseia-se assim em conteúdos atuais e específicos da empresa, e não apenas no conhecimento de treino do modelo. Isto reduz as afirmações inventadas, torna as fontes rastreáveis e permite atualizações sem retreino.

RAG
pesquisa de conhecimento
+1

Raciocínio multi-hop

O raciocínio multi-hop é a capacidade de um sistema de IA responder a uma pergunta através de várias inferências sucessivas, combinando muitas vezes informações de fontes diferentes. Exemplo: «Que departamento é chefiado pela pessoa responsável pelo projeto X?» exige primeiro identificar a pessoa responsável e depois o respetivo departamento. Estas perguntas são exigentes para os sistemas de pesquisa e de RAG, porque cada passo intermédio tem de ser encontrado e ligado corretamente.

raciocínio
resposta a perguntas
+1

Recuperação de informação

A recuperação de informação abrange métodos que encontram, num grande corpo de texto, os documentos ou passagens que correspondem a uma consulta e os ordenam por relevância. As abordagens clássicas, como o BM25, ponderam os termos de pesquisa consoante a frequência e a raridade com que ocorrem; as mais recentes acrescentam a semelhança semântica. Está na base dos motores de pesquisa, da pesquisa empresarial e da geração aumentada por recuperação, em que um modelo de linguagem usa as passagens recuperadas como base da sua resposta.

Pesquisa
BM25
+1

Pipeline de recuperação

Um pipeline de recuperação é a sequência de passos de processamento que um sistema utiliza para encontrar a informação certa para uma pergunta. Os passos típicos são: importar e limpar documentos, dividi-los em blocos (chunks), criar um índice de pesquisa, reformular opcionalmente a consulta, obter as correspondências, ordená-las (reranking) e transmitir as melhores ao modelo de linguagem. É a base de qualquer aplicação RAG, e a sua qualidade determina em grande medida a qualidade das respostas obtidas.

RAG
pesquisa
+1