Glosar

LazyGraphRAG

Ce este LazyGraphRAG?

LazyGraphRAG este o abordare a retrieval-augmented generation bazate pe grafuri, prezentată de Microsoft Research în 2024. Spre deosebire de GraphRAG, nu pune un model lingvistic să creeze rezumate în timpul indexării; în schimb, identifică conceptele și co-apariția lor prin procesare clasică a limbajului natural, iar modelul lingvistic este folosit abia în momentul interogării. Potrivit Microsoft, aceasta aduce costurile de indexare la nivelul RAG vectorial de bază. Este potrivită în special pentru întrebările care cer o privire de ansamblu asupra unor colecții mari de documente.

Subiecte

RAG
graf de cunoștințe
Retrieval

Încercați KI.ordo

Agenți, fluxuri și șabloane într-un singur spațiu de lucru – demo gratuit de 24 de ore.

Porniți demo-ul

← Toți termenii

Termeni înrudiți

Generare augmentată prin regăsire (RAG)

Generarea augmentată prin regăsire combină căutarea cu generarea de text: înainte de a răspunde, sistemul caută într-o colecție de cunoștințe – de exemplu manuale, regulamente sau FAQ-uri – pasajele relevante și le transmite modelului lingvistic drept context. Răspunsul se bazează astfel pe conținut actual, specific companiei, și nu doar pe cunoștințele de antrenare ale modelului. Aceasta reduce afirmațiile inventate, face sursele verificabile și permite actualizări fără reantrenare.

RAG
căutare în cunoștințe
+1

Raționament multi-hop

Raționamentul multi-hop este capacitatea unui sistem de IA de a răspunde la o întrebare prin mai multe inferențe succesive, adesea combinând informații din surse diferite. Exemplu: „Ce departament este condus de persoana responsabilă de proiectul X?” cere mai întâi identificarea persoanei responsabile și apoi a departamentului ei. Astfel de întrebări sunt dificile pentru sistemele de căutare și RAG, deoarece fiecare pas intermediar trebuie găsit și legat corect.

raționament
răspuns la întrebări
+1

Regăsirea informațiilor

Regăsirea informațiilor (information retrieval) cuprinde metodele care găsesc, într-un volum mare de text, documentele sau pasajele ce corespund unei interogări și le ordonează după relevanță. Abordările clasice, precum BM25, ponderează termenii de căutare după cât de des și cât de rar apar; cele mai noi adaugă similitudinea semantică. Stă la baza motoarelor de căutare, a căutării în întreprindere și a retrieval-augmented generation, în care un model lingvistic folosește pasajele regăsite ca bază pentru răspunsul său.

Căutare
BM25
+1

Pipeline de regăsire

Un pipeline de regăsire este succesiunea de pași de prelucrare prin care un sistem găsește informațiile potrivite pentru o întrebare. Pașii tipici sunt: preluarea și curățarea documentelor, împărțirea lor în fragmente (chunk-uri), crearea unui index de căutare, eventual reformularea interogării, regăsirea potrivirilor, ordonarea lor (reranking) și transmiterea celor mai bune către modelul lingvistic. Este fundamentul oricărei aplicații RAG, iar calitatea sa determină în mare măsură cât de bune sunt răspunsurile obținute.

RAG
căutare
+1