我要投稿

GraphRAG 0.4来袭：增量更新+DRIFT，起飞~

发布日期：2024-11-06 12:01:22 浏览次数： 3076

作者：NLP前沿

微信搜一搜，关注“NLP前沿”

早上微软的GraphRAG框架发布0.4.0版本。更新了增量更新和DRIFT搜索能力。

更新特性：

增量更新：允许系统在已有知识基础上进行更新，而无需完全重建图谱
DRIFT搜索机制，是一种结合本地与全局搜索的方法。通过整合社区信息，提升了查询的详细性和准确性，能够更好地处理复杂查询。可以让原本的local search，获得更全面的信息响应
GraphRAG 0.4.0经过代码重构，优化了系统架构，使其更易于使用和扩展

其中DRIFT搜索的官方博客在这：https://www.microsoft.com/en-us/research/blog/introducing-drift-search-combining-global-and-local-search-methods-to-improve-quality-and-efficiency/

DRIFT搜索工作流程：

预处理阶段：当用户提交查询时，DRIFT会将其与语义最相关的前K个社区报告进行比对。这一过程会生成一个初始答案和几个后续问题，相当于一个简化版的global search。（类似于使用HyDE来扩展查询，从而提高召回率。然后将查询进行嵌入，与所有社区报告进行匹配，选取最相关的K个报告来尝试回答查询。这样做的目的是利用高层次的抽象信息来指导后续的探索过程。
跟进阶段：在完成预处理后，DRIFT会使用local search的变体来处理每个后续问题。这个过程会产生额外的中间答案和新的跟进问题，形成一个不断优化的循环，直到满足终止条件（目前设置为两轮迭代，未来会研究使用奖励函数来指导终止决策）。这个阶段代表了一个基于全局信息的查询优化过程。即使初始查询与索引模式有所偏差，DRIFT也能利用全局数据结构在知识图谱中定位到具体的相关信息。这种跟进机制使DRIFT能够根据新出现的信息动态调整其搜索策略。
输出层级：最终输出是一个按照与原始查询相关性排序的问答层级结构。这个层级结构可以根据具体用户需求进行定制。在基准测试中，采用了一个简单的映射归约方法来整合所有中间答案，每个答案的权重相同。

最终评测：

在全面性方面，DRIFT 搜索有 78%的时间优于局部搜索。
在多样性方面，DRIFT 搜索算法有 81%的时间优于局部搜索算法。

53AI，企业落地大模型首选服务商

产品：场景落地咨询+大模型应用平台+行业解决方案

承诺：免费POC验证，效果达标后再合作。零风险落地应用大模型，已交付160+中大型企业

相关资讯

2026-01-13

下一个万亿AI赛道！上下文图谱，才是AI创业的真正机会

2026-01-13

Context Graph

2026-01-11

从静态到动态：探索LLM和RAG在自动更新知识图谱中的协同效应

2026-01-10

OpenAI 的“时序智能体”红宝书：让 AI 真正记住过去、理解关系！

2026-01-10

本体论与知识图谱：揭示语义技术的核心差异

2026-01-10

百度百科推出“动态百科”、“百科AI知识图谱”等新功能

2026-01-05

AI+知识图谱，复杂接口自动化场景编排企业级落地

2026-01-04

Mapis：首个基于知识图谱与大模型的多囊卵巢综合征国际指南多智能体框架，重塑PCOS循证诊断

联系获取

联系获取

160+中大型企业正在使用53AI

立即咨询预约演示

把握AI发展的机遇，共同探索、共同进步

2025-01-22

如何打造基于GenAI的员工服务机器人

2025-01-22

热点资讯

一篇文章讲清楚：Ontology为什么是企业落地Agent的关键

2025-10-30

Manus决定出售前最后的访谈，全是干货

2025-12-31

文档级知识图谱: RAKG(95.91%) VS GraphRAG(89.71%)

2025-10-19

大模型落地最后一公里：为什么企业必须重构对“本体（Ontology）”的认知？

2025-12-01

让企业级大模型落地：每个企业 AI项目都需要的知识图谱KG基础

2025-11-24

DeepSeek V3.2 AI辅助-构建可视化多维知识立方体展示知识体系

2025-10-21

用 Cognee 构建端到端知识图谱，实现当前效果最好的AI Agent记忆层

2025-11-13

构建本体驱动的下一代智能数字生态系统

2025-12-05

本地知识库搭建（Mia VS cheer studio VS AnythingLLM）

2025-11-14

基于 Ontology 构建企业 Agent 根基：从理论到实践的技术路径 V2.0

2025-12-04

大家都在问

什么是本体（Ontology）？

2025-12-23

大模型落地最后一公里：为什么企业必须重构对“本体（Ontology）”的认知？

2025-12-01

文档知识图谱构建：AI代理如何简化复杂流程？

2025-07-29

如何搭建Agent的知识库底座？

2025-07-14

如何为客户数据构建语义视图？

2025-06-14

Agent Infra 图谱：哪些组件值得为 Agent 重做一遍？

2025-05-23

Graph-RAG全面综述：如何用知识图谱+大模型解决信息检索难题？

2025-05-23

无需代码！MCP + Neo4j 如何颠覆知识图谱构建？

2025-05-22

热门标签

内容创作大模型技术个人提效 langchain llamaindex 多模态技术 RAG技术智能客服知识图谱模型微调 RAGFlow coze Dify Fastgpt Bisheng Qanything AI+汽车 AI+金融 AI+工业 AI+培训 AI+SaaS 提示词框架提示词技巧 AI+电商 AI面试数字员工 ChatBI AI知识库开源大模型智能营销智能硬件智能化改造 AI+医疗 MaxKB Palantir Glean

应聘简历请发送至： ceo@53ai.com

联系我们

售前咨询

预约演示

微信扫码

添加专属顾问

回到顶部