Ordlista

LazyGraphRAG

Vad är LazyGraphRAG?

LazyGraphRAG är ett angreppssätt för grafbaserad retrieval-augmented generation som Microsoft Research presenterade 2024. Till skillnad från GraphRAG låter det inte en språkmodell skapa sammanfattningar under indexeringen; i stället identifierar det begrepp och deras samförekomster med klassisk språkteknologi, och språkmodellen används först vid frågetillfället. Enligt Microsoft sänker detta indexeringskostnaderna till nivån för grundläggande vektor-RAG. Det lämpar sig särskilt för frågor som kräver en överblick över stora dokumentsamlingar.

Ämnen

RAG
Kunskapsgraf
Retrieval

Prova KI.ordo

Agenter, flöden och mallar i en arbetsyta – gratis demo i 24 timmar.

Starta demo

← Alla begrepp

Relaterade begrepp

Retrieval-augmented generation (RAG)

Retrieval-augmented generation kombinerar sökning med textgenerering: innan systemet svarar söker det i en kunskapssamling – som manualer, policyer eller vanliga frågor – efter relevanta avsnitt och skickar dem som sammanhang till språkmodellen. Svaret bygger därmed på aktuellt, företagsspecifikt innehåll i stället för enbart på modellens träningskunskap. Det minskar påhittade påståenden, gör källor spårbara och möjliggör uppdateringar utan omträning.

RAG
kunskapssökning
+1

Resonemang i flera steg (multi-hop)

Resonemang i flera steg (multi-hop) är ett AI-systems förmåga att besvara en fråga genom flera efterföljande slutledningar, ofta genom att kombinera information från olika källor. Exempel: ”Vilken avdelning leds av den som ansvarar för projekt X?” kräver först att den ansvariga personen identifieras och sedan personens avdelning. Sådana frågor är krävande för sök- och RAG-system eftersom varje mellansteg måste hittas och kopplas ihop korrekt.

resonemang
frågebesvarande
+1

Informationssökning (information retrieval)

Informationssökning omfattar metoder som hittar de dokument eller stycken i en stor textmängd som motsvarar en fråga och rangordnar dem efter relevans. Klassiska ansatser som BM25 viktar söktermer efter hur ofta och hur sällan de förekommer; nyare lägger till semantisk likhet. Den ligger till grund för sökmotorer, företagssök och retrieval-augmented generation, där en språkmodell använder de hämtade styckena som underlag för sitt svar.

Sökning
BM25
+1

Retrieval-pipeline

En retrieval-pipeline är den sekvens av bearbetningssteg som ett system använder för att hitta rätt information för en fråga. Typiska steg är: inläsning och rensning av dokument, uppdelning i delar (chunks), uppbyggnad av ett sökindex, eventuell omskrivning av frågan, hämtning av träffar, rangordning (reranking) och överlämning av de bästa till språkmodellen. Den är grunden i varje RAG-applikation, och dess kvalitet avgör till stor del hur bra svaren blir.

RAG
sökning
+1