让DeepSeek更可靠！清华提出Hyper-RAG，用超图提升知识建模精准度
针对大语言模型在专业领域输出不准确的问题，清华大学等提出Hyper-RAG方法。该方法通过超图结构化知识，捕捉低阶与高阶关联信息，有效减少信息丢失及LLM幻觉现象。实验显示，Hyper-RAG在神经科学等9个领域数据集上表现优异，准确率较直接使用LLM提升12.3%，相比GraphRAG和LightRAG分别高出6.3%和6.0%。此外，其轻量级版本Hyper-RAG-Lite检索速度翻倍，性能提升3.3%，为医疗诊断、金融分析等高可靠需求应用提供了有力支持。来源：https://mp.weixin.qq.com/s/TPlFOaHe4GqT2k9936Q03A
页:
[1]