Буквально недавно после практически 18 лет безупречной эксплуатации mx510 пересел на mx keys 3s. Обе мыши выше всяких похвал, первая еще в полном порядке - просто настало время попробовать что-то поновее)
Одна из задач статьи — показать, что среди открытых библиотек есть не только GraphRAG, но и другие интересные и перспективные варианты, развивающие данный подход с учётом его ограничений и проблем. В описании архитектуры LightRAG отражены новые идеи создания и инкрементного обновления графа при добавлении новых документов (тематик). Связывание различных тематик (доменных областей) в один граф возможно, при этом соединение между темами может осуществляться через общие узлы (например, «прибор X» в медицинских документах и ГОСТах). Однако, по нашему мнению, по возможности лучше разделять доменные области на отдельные графы и выполнять маршрутизацию запросов.
LightRAG поддерживает загрузку текстовых данных в следующих форматах: TXT, MD, DOCX, PDF, PPTX, RTF, ODT, EPUB, HTML, HTM, TEX, JSON, XML, YAML, YML, CSV и др. Степень сложности тестовых документов - средняя на уровне статей и пунктов. Предобработку документов не проводили, тк в исследовательских целях интересно было провести сравнительный анализ на исходных документах. По опыту разработки RAG можем отметить, что разделение текста на чанки с учетом структуры (статья, пункт, абзац) оказывает существенное влияние на повышение качества ответов.
Спасибо за проделанную работу и качественные модели. Сравнение с gemma3 планируете сделать? Интересует область применения в RAG системах на русском языке.
Буквально недавно после практически 18 лет безупречной эксплуатации mx510 пересел на mx keys 3s. Обе мыши выше всяких похвал, первая еще в полном порядке - просто настало время попробовать что-то поновее)
Одна из задач статьи — показать, что среди открытых библиотек есть не только GraphRAG, но и другие интересные и перспективные варианты, развивающие данный подход с учётом его ограничений и проблем.
В описании архитектуры LightRAG отражены новые идеи создания и инкрементного обновления графа при добавлении новых документов (тематик). Связывание различных тематик (доменных областей) в один граф возможно, при этом соединение между темами может осуществляться через общие узлы (например, «прибор X» в медицинских документах и ГОСТах). Однако, по нашему мнению, по возможности лучше разделять доменные области на отдельные графы и выполнять маршрутизацию запросов.
LightRAG поддерживает загрузку текстовых данных в следующих форматах: TXT, MD, DOCX, PDF, PPTX, RTF, ODT, EPUB, HTML, HTM, TEX, JSON, XML, YAML, YML, CSV и др. Степень сложности тестовых документов - средняя на уровне статей и пунктов. Предобработку документов не проводили, тк в исследовательских целях интересно было провести сравнительный анализ на исходных документах. По опыту разработки RAG можем отметить, что разделение текста на чанки с учетом структуры (статья, пункт, абзац) оказывает существенное влияние на повышение качества ответов.
Спасибо за проделанную работу и качественные модели. Сравнение с gemma3 планируете сделать? Интересует область применения в RAG системах на русском языке.