تقدم Microsoft Research حلاً مبتكرًا يُدعى GraphRAG لمواجهة هذا التحدي. يستفيد GraphRAG من رسوم بيانية المعرفة التي تم إنشاؤها بواسطة نماذج اللغة الكبيرة لتعزيز أنظمة التوليف-المحسنة لاستدعاء المعلومات. على عكس الطرق التقليدية لـ RAG، يحلل GraphRAG المعلومات المعقدة من خلال رسوم بيانية المعرفة التي تم إنشاؤها بواسطة نماذج اللغة الكبيرة، مما يسفر عن أداء محسن.
يعاني أنظمة RAG التقليدية من فهم المفاهيم الدلالية المكثفة وإنشاء الروابط بين البيانات غير المتصلة. يقدم GraphRAG نهجًا أكثر تعقيدًا، كما تظهر الدراسات الشاملة.
قدمت Microsoft Research إمكانيات GraphRAG من خلال مجموعة البيانات VIINA، مركزة على معلومات حوادث العنف من مقالات الأخبار. أظهرت النتائج أداء GraphRAG المتفوق، خصوصًا في السيناريوهات التي تتطلب فهمًا شاملاً وإنشاء روابط بين المفاهيم الدلالية.
قام الفريق بتحسين GraphRAG عن طريق ترجمة مقالات الأخبار من مصادر روسية وأوكرانية إلى الإنجليزية، مما أدى إلى إنشاء مجموعة بيانات خاصة. أداء GraphRAG الاستثنائي في التعامل مع الاستفسارات التي تستطلع البيانات من مجموعات بيانات متعددة تفوق أداء الـ RAG الأساسي.
حقق GraphRAG ذلك عن طريق تجميع مجموعة البيانات الخاصة في مجموعات دلالية ذات صلة باستخدام رسم بياني معرفي منظم. هذا سمح لـ GraphRAG بتوفير نظرات شاملة حول المواضيع والمفاهيم، معززًا بشكل كبير جانب الاستدعاء في RAG.
في الختام، يقدم GraphRAG من Microsoft Research تطويرًا ثوريًا في نماذج اللغة. فهو يستغل قوة رسوم البيانات التي أنشأتها نماذج اللغة الكبيرة، مما يتيح إمكانيات جديدة لاستكشاف البيانات ويضع GraphRAG كأداة قوية لتعزيز إمكانيات التوليف-المحسنة لاستدعاء المعلومات. مع GraphRAG، يمكن لنماذج اللغة الكبيرة الآن حل المشكلات المعقدة على مجموعات بيانات خاصة، محدثًا ثورة في مجال بحوث نماذج اللغة.
روابط ذات صلة:
– بحث Microsoft
The source of the article is from the blog aovotice.cz