清华团队提出 KG-Infused RAG：用知识图谱激活检索

清华团队提出KG-Infused RAG，将知识图谱的扩散激活机制融入检索增强生成，同时利用文本段落和结构化事实提升答案质量。

• 方法从查询的种子实体出发，在知识图谱中逐跳扩散，由LLM选择相关三元组构建子图，避免循环。
• 激活的事实用于扩展查询和双重检索，生成阶段将检索段落和知识图谱摘要融合为事实增强的笔记。
• 在四个多跳数据集上，KG-Infused RAG显著优于标准RAG基线，DPO训练的LLaMA3.1-8B平均提升3.8%至13.8%。
• 该方案即插即用，可融入Self-RAG等框架，且利用现有知识图谱，避免实时构建的噪声。
• 看点：知识图谱与RAG的结合为复杂推理任务提供了新范式，有望成为下一代检索系统的标配。

本内容由 AI 生成，仅供参考，请注意甄别