從RAG到GraphRAG：開啟性成本效率的新紀元！

索引成本與向量RAG持平，為GraphRAG的0.1%

原標題：僅4個多月RAG就進化到“一個新時代”了：成本降低到GraphRAG的0.1%
文章來源：AI前線
內(nèi)容字數(shù)：5366字

LazyGraphRAG：性的 RAG 解決方案

近期，微軟推出了一種全新的檢索增強生成（RAG）方案——LazyGraphRAG。這一技術將VectorRAG與GraphRAG相結合，旨在以高效、低成本的方式實現(xiàn)出色的圖形RAG功能，給行業(yè)帶來性變革。

1. LazyGraphRAG 的優(yōu)勢

LazyGraphRAG實現(xiàn)了成本與質(zhì)量之間的天然可擴展性，研究人員指出，它在理想的成本和質(zhì)量范圍內(nèi)表現(xiàn)出了強大的性能。此外，該系統(tǒng)降低了全局搜索成本，提高了本地搜索的效率。微軟的研究表明，LazyGraphRAG的索引成本僅為完整GraphRAG成本的0.1%，而在查詢效果上卻能夠與GraphRAG的全局搜索相媲美。

2. 性能評估

為了評估LazyGraphRAG的性能，微軟設置了三種不同的預算場景。在低預算條件下，LazyGraphRAG在本地和全局查詢上均顯著優(yōu)于所有對比條件。在中等預算和高預算場景中，其表現(xiàn)更是全面超越所有競爭方法，展現(xiàn)出優(yōu)異的擴展性和答案質(zhì)量。

3. 技術背景

GraphRAG結合了圖形和RAG的優(yōu)勢，通過單一端到端系統(tǒng)利用文本提取和網(wǎng)絡分析來理解數(shù)據(jù)集內(nèi)容。然而，GraphRAG的高索引成本使其在成本敏感的場景中難以應用。LazyGraphRAG通過迭代深化的方式，將最佳優(yōu)先與廣度優(yōu)先搜索動態(tài)結合，解決了這一問題。

4. 適用場景

LazyGraphRAG的快速且?guī)缀趺赓M的索引功能使其成為了各種場景下理想的選擇，包括致病性查詢、探索性分析和流式數(shù)據(jù)用例。隨著相關預算的增加，其答案質(zhì)量也能得到平衡提升。

5. 結論

LazyGraphRAG代表了檢索增強生成領域的重大進步，以低成本解決方案適用于各種場景。通過優(yōu)化大語言模型的使用，LazyGraphRAG不僅提升了查詢效率，還在成本與質(zhì)量之間找到了良好的平衡。未來，LazyGraphRAG的開源版本將加入到GraphRAG庫中，進一步推動技術的發(fā)展。

聯(lián)系作者

文章來源：AI前線
作者微信：
作者簡介：面向AI愛好者、開發(fā)者和科學家，提供大模型最新資訊、AI技術分享干貨、一線業(yè)界實踐案例，助你全面擁抱AIGC。