قامت Microsoft مؤخرًا بفتح نظام توليد تعزيز الاسترجاع القائم على الرسم البياني - GraphRAG على موقعها الرسمي على الويب. يعمل هذا النظام بشكل كبير على تحسين قدرات النماذج الكبيرة في البحث والإجابة على الأسئلة والتلخيص والاستدلال من خلال بناء الرسوم البيانية المعرفية للكيان. يختلف GraphRAG عن قيود أنظمة RAG التقليدية التي تعتمد كثيرًا على استرجاع أجزاء النص المحلي، حيث يمكنه التقاط الاتصالات والتفاعلات المعقدة في مجموعات البيانات لتحقيق الاسترجاع العالمي، وهو جيد بشكل خاص في معالجة مجموعات البيانات واسعة النطاق. يكمن جوهرها في خطوتين لبناء رسم بياني معرفي للكيان وإنشاء ملخصات المجتمع، ويمكنه استخراج المعلومات الأساسية بكفاءة من خلال ملخصات المجتمع وإنشاء إجابات أكثر شمولاً ودقة. ما هو جدير بالملاحظة هو أن طلب GraphRAG على الرموز المميزة منخفض للغاية، وهو بلا شك ميزة كبيرة من حيث التكلفة للمطورين.
مدخل المشروع: https://top.aibase.com/tool/graphrag
عند التعامل مع مصادر البيانات الخارجية، تعتمد أنظمة RAG التقليدية كثيرًا على استرجاع أجزاء النص المحلي وتفشل في التقاط الصورة الكاملة لمجموعة البيانات بأكملها. يساعد GraphRAG النماذج الكبيرة على التقاط الاتصالات والتفاعلات المعقدة في النص بشكل أفضل من خلال بناء الرسوم البيانية المعرفية للكيان، وبالتالي تحقيق إمكانات الاسترجاع العالمية.
يتكون جوهر GraphRAG من خطوتين: بناء رسم بياني للمعرفة بالكيان وإنشاء ملخصات المجتمع. من خلال ملخصات المجتمع، يستطيع GraphRAG استخراج المعلومات ذات الصلة من مجموعة البيانات بأكملها لإنشاء إجابات أكثر شمولاً ودقة. بالإضافة إلى ذلك، لدى GraphRAG طلب منخفض جدًا على الرموز المميزة، مما يعني أنها يمكن أن تساعد المطورين على توفير الكثير من التكاليف.
أجرت Microsoft اختبارًا شاملاً على GraphRAG على مجموعة بيانات تحتوي على مليون رمز مميز وبنية شديدة التعقيد، وأظهرت النتائج أن GraphRAG تجاوز طرقًا مثل Naive RAG في اختبار الشمولية والتنوع، وكان أكثر فعالية في نسخ البودكاست وبيانات المقالات الإخبارية. لقد أظهرت جميعها معايير عالية للغاية وهي حاليًا واحدة من أفضل أساليب RAG.
تسليط الضوء على:
- يعمل GraphRAG على تحسين البحث والإجابة على الأسئلة والتلخيص والاستدلال والإمكانيات الأخرى للنماذج الكبيرة من خلال بناء الرسوم البيانية المعرفية للكيانات، وهو جيد بشكل خاص في معالجة مجموعات البيانات واسعة النطاق.
- يتضمن جوهر GraphRAG خطوتين: بناء رسم بياني للمعرفة بالكيان وإنشاء ملخصات المجتمع، حيث تستخرج ملخصات المجتمع المعلومات ذات الصلة في مجموعة البيانات لإنشاء إجابات أكثر شمولاً ودقة.
- لدى GraphRAG طلب منخفض جدًا على الرموز المميزة ويمكن أن يساعد المطورين على توفير التكاليف. إنه يؤدي أداءً جيدًا في الاختبارات الشاملة وهو حاليًا أحد أفضل طرق RAG.
باختصار، حققت GraphRAG اختراقات جديدة في مجال توليد تعزيز الاسترجاع من خلال أدائها الممتاز في معالجة مجموعات البيانات واسعة النطاق ومزايا التكلفة الكبيرة، الأمر الذي يستحق الاهتمام ومزيدًا من البحث. كما يوفر مصدره المفتوح للمطورين موارد وأدوات قيمة.