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： 3388

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

2026-06-10

一键把杂乱文档变成结构化知识图谱！开源 Hyper-Extract：LLM驱动的超强知识提取神器，Hypergraph + 时空图全支持

2026-06-10

SeedER：让知识图谱检索从“相似度匹配”走向“结构化探索”

2026-06-10

有人用 AI 把《史记》57万字变成了一个可以搜索、跳转、推理的知识图谱

2026-06-04

实体、关系、属性：知识图谱三大基本要素详解

2026-06-04

规则推理、本体推理与继承推理：三种常见推理方式

2026-06-03

本体（Ontology）与知识图谱（Knowledge Graph）的区别

2026-06-03

本体论 Ontology 泛谈丨如何帮企业应对 Tokenmaxxing 困局

2026-05-28

本体论又火了，他能优化我的 Agent 效果么？

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

卡帕西没做完的，开源社区48小时搞定了！完全体知识库，token省70倍

2026-04-07

告别 AI 胡说八道！这款开源神器把代码变成知识图谱，让 Cursor 和 Claude 彻底读懂你的项目

2026-03-26

碎片知识终于不乱了！这款开源 AI 工具，把笔记转为知识图谱，还能本地部署！

2026-04-19

当 SAP 买下 Reltio：企业软件进入“上下文时代”

2026-03-28

Ontological Engineering：基于PolarDB-PG智能本体引擎实现“数据驱动”到“决策中心”

2026-04-23

还在关注Palantir本体论吗！看看OntoFlow本体建模平台：从数据 -> 知识图谱 -> 本体 -> 决策的完整链路功能演示

2026-04-22

从可观测到可理解：用 UModel 构建 Agent 原生的代码知识图谱

2026-04-23

思考的快与慢：用 Prolog 给 LLM 装上理性大脑，然后引入知识图谱，做结构化知识双向同步，这个 agent 能力有点炸裂...

2026-05-26

腾讯混元干了件大事：Skill Graphs

2026-05-07

本体（Ontology）与知识图谱（Knowledge Graph）的区别

2026-06-03

大家都在问

本体论又火了，他能优化我的 Agent 效果么？

2026-05-28

在大学里“知识图谱”，真的有人用吗？

2026-01-27

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

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 Skill 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 FDE AI+医疗 MaxKB Palantir Glean Openclaw

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