Tổng quan
GraphRAG tăng cường khả năng tạo tăng cường truy xuất bằng cách xây dựng biểu đồ tri thức về các thực thể và mối quan hệ từ một bộ sưu tập tài liệu, sau đó truy xuất cấu trúc đó thay vì các đoạn văn bản bị cô lập. Nó quan trọng vì nó trả lời các câu hỏi có phạm vi rộng, kết nối các dấu chấm mà tìm kiếm vectơ phẳng không thể thực hiện được.
Sơ đồ tri thức GraphRAG là một phần của ngăn xếp ngôn ngữ-AI được sử dụng để đọc, tạo, phân loại và chuyển đổi văn bản cũng như lời nói trên quy mô lớn.
Lặn sâu
RAG thông thường chia tài liệu thành các phần, nhúng chúng và truy xuất một số phần gần nhất cho truy vấn. Cách đó hiệu quả đối với việc tra cứu thực tế ở phạm vi hẹp nhưng không thành công ở các câu hỏi tổng thể như 'chủ đề chính trong toàn bộ tập dữ liệu này là gì?' GraphRAG, được phổ biến bởi Microsoft Research vào năm 2024, thay vào đó sử dụng mô hình ngôn ngữ để trích xuất các thực thể, thuộc tính của chúng và mối quan hệ giữa chúng, tập hợp một biểu đồ tri thức. Sau đó, nó chạy các thuật toán phát hiện cộng đồng như Leiden để phân cụm các thực thể liên quan và tạo trước các bản tóm tắt cho mỗi cộng đồng. Tại thời điểm truy vấn, hệ thống có thể duyệt qua các mối quan hệ và tổng hợp các bản tóm tắt cộng đồng này, cho phép lập luận nhiều bước và cảm nhận tổng thể. Kết quả là có được câu trả lời tốt hơn cho những câu hỏi có bằng chứng nằm rải rác trên nhiều tài liệu và chỉ được kết nối thông qua các thực thể trung gian.
Hiểu biết kỹ thuật
GraphRAG có hai giai đoạn. Lập chỉ mục: LLM đọc các khối và xuất ra các bộ ba có cấu trúc (thực thể, quan hệ, thực thể) cộng với các mô tả, được loại bỏ trùng lặp thành biểu đồ; phân cụm (ví dụ: Leiden) nhóm các nút thành các cộng đồng có thứ bậc, mỗi cộng đồng được LLM tóm tắt. Truy vấn: tìm kiếm 'cục bộ' mở rộng từ các thực thể phù hợp với truy vấn dọc theo các cạnh của chúng, trong khi bản đồ tìm kiếm 'toàn cầu' giảm bớt các bản tóm tắt cộng đồng để trả lời các câu hỏi trên toàn tập dữ liệu. Cả hai đều cung cấp bối cảnh có cấu trúc cho mô hình thế hệ.
Nắm vững đồ thị tri thức GraphRAG
GraphRAG tăng cường khả năng tạo tăng cường truy xuất bằng cách xây dựng biểu đồ tri thức về các thực thể và mối quan hệ từ một bộ sưu tập tài liệu, sau đó truy xuất cấu trúc đó thay vì các đoạn văn bản bị cô lập. Nó quan trọng vì nó trả lời các câu hỏi có phạm vi rộng, kết nối các dấu chấm mà tìm kiếm vectơ phẳng không thể thực hiện được. Sơ đồ tri thức GraphRAG là một phần của ngăn xếp ngôn ngữ-AI được sử dụng để đọc, tạo, phân loại và chuyển đổi văn bản cũng như lời nói trên quy mô lớn. Để xây dựng sự hiểu biết sâu sắc, hãy coi Sơ đồ tri thức GraphRAG như một mô hình vận hành chứ không phải một tính năng duy nhất: xác định kết quả mong muốn, làm rõ các giả định và tách biệt những gì hệ thống có thể thực hiện một cách đáng tin cậy với những gì vẫn cần đến sự đánh giá của chuyên gia.
Trong thực tế, các nhóm mạnh sử dụng các lời nhắc, truy xuất và vòng lặp xem xét Sơ đồ tri thức GraphRAG như một hệ thống giao tiếp tích hợp. Họ ghi lại các tiêu chí thành công rõ ràng, kiểm tra dựa trên dữ liệu và quy trình làm việc thực tế, đồng thời lặp lại dựa trên các kiểu thất bại được quan sát thay vì chiến thắng điểm chuẩn một lần. Đây là nơi sự hiểu biết về mặt lý thuyết biến thành khả năng bền vững trên toàn bộ sản phẩm, chính sách và hoạt động.
Quy trình công việc ngôn ngữ có thể di chuyển nhanh hơn mà không làm mất tính nhất quán. Đồng thời, các sự kiện ảo giác có thể âm thầm đưa vào các báo cáo, luồng hỗ trợ hoặc kết quả nghiên cứu. Cách tiếp cận linh hoạt nhất là kết hợp tốc độ thử nghiệm với kỷ luật quản trị: chạy thử nghiệm, thu thập bằng chứng, xuất bản nhật ký quyết định và liên tục cập nhật các biện pháp bảo vệ khi hành vi của mô hình, kỳ vọng của người dùng và các yêu cầu pháp lý phát triển.
Tác động chiến lược
Quy trình công việc ngôn ngữ có thể di chuyển nhanh hơn mà không làm mất tính nhất quán.
Quy trình công việc ngôn ngữ có thể di chuyển nhanh hơn mà không làm mất tính nhất quán. Trong quá trình triển khai chất lượng cao, điều này được chuyển thành các quy tắc vận hành, ranh giới quyền sở hữu và quy trình đánh giá định kỳ có thể đo lường được để các nhóm có thể mở rộng quy mô một cách tự tin thay vì mở rộng quy mô sự mơ hồ.
Nó mở rộng quyền truy cập vào các ngôn ngữ và phong cách giao tiếp.
Nó mở rộng quyền truy cập vào các ngôn ngữ và phong cách giao tiếp. Trong quá trình triển khai chất lượng cao, điều này được chuyển thành các quy tắc vận hành, ranh giới quyền sở hữu và quy trình đánh giá định kỳ có thể đo lường được để các nhóm có thể mở rộng quy mô một cách tự tin thay vì mở rộng quy mô sự mơ hồ.
Các nhóm có thể dành nhiều thời gian hơn để đánh giá trong khi quá trình tự động hóa xử lý sự lặp lại.
Các nhóm có thể dành nhiều thời gian hơn để đánh giá trong khi quá trình tự động hóa xử lý sự lặp lại. Trong quá trình triển khai chất lượng cao, điều này được chuyển thành các quy tắc vận hành, ranh giới quyền sở hữu và quy trình đánh giá định kỳ có thể đo lường được để các nhóm có thể mở rộng quy mô một cách tự tin thay vì mở rộng quy mô sự mơ hồ.
Triển khai trong thế giới thực
Một nhà phân tích hỏi 'chủ đề nào kết nối 10.000 báo cáo này?' và các câu trả lời của GraphRAG thông qua việc giảm bản đồ qua các bản tóm tắt của cộng đồng.
Một nhóm dược phẩm liên kết các gen, thuốc và bệnh tật trên các bài báo để tìm ra các mối quan hệ nhiều bước nhảy mà việc tìm kiếm vectơ sẽ bỏ lỡ.
Công cụ tuân thủ theo dõi cách giao dịch kết nối các thực thể thông qua các bên trung gian để gắn cờ các mối quan hệ rủi ro tiềm ẩn.
Thư viện GraphRAG mã nguồn mở của Microsoft lập chỉ mục một kho dữ liệu thành các thực thể và cộng đồng Leiden cho các truy vấn cục bộ và toàn cầu.
Các mẫu triển khai
GraphRAG Knowledge Graph trong thực tế
Một nhà phân tích hỏi 'chủ đề nào kết nối 10.000 báo cáo này?' và các câu trả lời của GraphRAG thông qua việc giảm bản đồ qua các bản tóm tắt của cộng đồng.
Một nhà phân tích hỏi 'chủ đề nào kết nối 10.000 báo cáo này?' và các câu trả lời của GraphRAG thông qua tính năng thu nhỏ bản đồ trong các bản tóm tắt của cộng đồng. Các nhóm thường đạt được kết quả tốt hơn khi họ xác định trước các ngưỡng chất lượng, duy trì lộ trình báo cáo của con người đối với các trường hợp khó khăn và theo dõi cả mức tăng năng suất và chi phí lỗi theo thời gian.
GraphRAG Knowledge Graph trong thực tế
Một nhóm dược phẩm liên kết các gen, thuốc và bệnh tật trên các bài báo để tìm ra các mối quan hệ nhiều bước nhảy mà việc tìm kiếm vectơ sẽ bỏ lỡ.
Nhóm dược phẩm liên kết gen, thuốc và bệnh tật trên các bài báo để tạo ra các mối quan hệ nhiều bước nhảy mà tìm kiếm vectơ sẽ bỏ lỡ. Các nhóm thường nhận được kết quả tốt hơn khi họ xác định trước ngưỡng chất lượng, theo dõi lộ trình leo thang của con người đối với các trường hợp khó khăn và theo dõi cả mức tăng năng suất và chi phí lỗi theo thời gian.
GraphRAG Knowledge Graph trong thực tế
Công cụ tuân thủ theo dõi cách giao dịch kết nối các thực thể thông qua các bên trung gian để gắn cờ các mối quan hệ rủi ro tiềm ẩn.
Công cụ tuân thủ theo dõi cách giao dịch kết nối các thực thể thông qua các bên trung gian để gắn cờ các mối quan hệ rủi ro tiềm ẩn. Các nhóm thường đạt được kết quả tốt hơn khi họ xác định trước các ngưỡng chất lượng, duy trì lộ trình leo thang của con người đối với các trường hợp khó khăn và theo dõi cả mức tăng năng suất và chi phí lỗi theo thời gian.
GraphRAG Knowledge Graph trong thực tế
Thư viện GraphRAG mã nguồn mở của Microsoft lập chỉ mục một kho dữ liệu thành các thực thể và cộng đồng Leiden cho các truy vấn cục bộ và toàn cầu.
Thư viện GraphRAG mã nguồn mở của Microsoft lập chỉ mục một kho dữ liệu vào các thực thể và cộng đồng Leiden cho các truy vấn cục bộ và toàn cầu. Các nhóm thường nhận được kết quả tốt hơn khi họ xác định trước các ngưỡng chất lượng, duy trì lộ trình leo thang của con người đối với các trường hợp khó khăn và theo dõi cả mức tăng năng suất và chi phí lỗi theo thời gian.
Rủi ro & lan can
Sự thật ảo giác có thể lặng lẽ đi vào báo cáo, luồng hỗ trợ hoặc kết quả nghiên cứu.
Sự nhạy cảm kịp thời có thể tạo ra kết quả không nhất quán đối với các yêu cầu tương tự.
Dữ liệu văn bản nhạy cảm có thể bị lộ nếu khả năng kiểm soát quyền truy cập yếu.
Lộ trình thực hiện
Xác định định dạng đầu ra, âm thanh và tiêu chuẩn chất lượng trước khi triển khai.
Xác định định dạng đầu ra, âm thanh và tiêu chuẩn chất lượng trước khi triển khai. Hãy coi mỗi bước như một cổng bằng chứng: nếu không đáp ứng được các tiêu chí, hãy tạm dừng triển khai, thu hẹp khoảng cách và chỉ sau đó mới mở rộng mức sử dụng.
Phản hồi mặt đất với các nguồn đáng tin cậy bất cứ khi nào độ chính xác quan trọng.
Phản hồi mặt đất với các nguồn đáng tin cậy bất cứ khi nào độ chính xác quan trọng. Hãy coi mỗi bước như một cổng bằng chứng: nếu không đáp ứng được các tiêu chí, hãy tạm dừng triển khai, thu hẹp khoảng cách và chỉ sau đó mới mở rộng mức sử dụng.
Duy trì điểm kiểm tra đánh giá của con người đối với các kết quả đầu ra có mức độ rủi ro cao.
Duy trì điểm kiểm tra đánh giá của con người đối với các kết quả đầu ra có mức độ rủi ro cao. Hãy coi mỗi bước như một cổng bằng chứng: nếu không đáp ứng được các tiêu chí, hãy tạm dừng triển khai, thu hẹp khoảng cách và chỉ sau đó mới mở rộng mức sử dụng.
Theo dõi các kiểu lỗi và đào tạo lại các lời nhắc hoặc quy trình làm việc thường xuyên.
Theo dõi các kiểu lỗi và đào tạo lại các lời nhắc hoặc quy trình làm việc thường xuyên. Hãy coi mỗi bước như một cổng bằng chứng: nếu không đáp ứng được các tiêu chí, hãy tạm dừng triển khai, thu hẹp khoảng cách và chỉ sau đó mới mở rộng mức sử dụng.