Я только что уничтожил Оксфордский университет по показателям Knowledge Graph: это не кликбейт скачать в хорошем качестве

Я только что уничтожил Оксфордский университет по показателям Knowledge Graph: это не кликбейт

Ссылка на исследовательскую работу: https://arxiv.org/abs/2510.16582 Ссылка на Colab Notebook: https://colab.research.google.com/dri... Может ли дополненная генерация поиска на основе графов знаний действительно извлечь то, что вам нужно? | Swarm RAG против GraphFlow A/B-тест В этом видео мы подробно разбираем недавнюю исследовательскую работу «Может ли дополненная генерация поиска на основе графов знаний действительно извлечь то, что вам нужно?» (arXiv: 2510.16582), в которой представлен фреймворк GraphFlow для RAG на основе KG. В статье обосновывается необходимость моделирования поиска KG-RAG как многоэтапного процесса принятия решений с использованием моделей вознаграждения за процесс (PRM) для управления поведением поиска. Однако их собственные тесты выявляют предел производительности (часто около 50% точности), что ограничивает эффективность текущих методов KG-RAG, особенно для сложных и разнообразных запросов. Я утверждаю, что этот предел производительности во многом обусловлен жёсткими структурными ограничениями традиционных графов знаний (KG). Чтобы преодолеть это, я представляю конкурирующую и явно превосходящую альтернативу: Enhanced Swarm RAG (SwarmRAG). 💥 Swarm RAG против GraphFlow: A/B-тест Я реализовал как базовый GraphFlow, так и свой Enhanced Swarm RAG в среде синтетического графа знаний, предназначенной для тестирования сложных многоцелевых запросов. Расширенный Swarm RAG использует: Принципы алгоритма Swarm: повышение разнообразия на основе феромонов для исследования редко посещаемых узлов. Параллельный многоагентный поиск: несколько агентов одновременно исследуют конкурирующие пути. Голосование по принципу эмерджентного консенсуса: документы, найденные несколькими независимыми агентами, имеют преимущество для получения более качественных результатов. Результат — явная и статистически значимая победа Swarm RAG: Метрика GraphFlow: базовый уровень Улучшение расширенного SwarmRAG Точность (MRR) 0,323 0,532 +64,6% Разнообразие (DR@20) 0,123 0,314 +154,6% Swarm RAG значительно превосходит GraphFlow по всем метрикам (Hit@K, MRR, Recall@20) и значительно сокращает задержку запросов, что делает его более надежным и эффективным решением для сложных задач KG-RAG.