RAG a Zero Ingestione Supera gli Approcci Basati su Grafi di Conoscenza
Un nuovo articolo su arXiv (2607.25135) presenta ScalableRAG, un sistema di generazione aumentata da recupero che raggiunge risultati di alta qualità senza alcun costo di ingestione. Il metodo, chiamato Zero-Ingestion ScalableRAG, elimina la necessità di database vettoriali, grafi di conoscenza o tabelle SQL. Mantiene uno spazio di lavoro di insiemi di documenti e insiemi di valori che possono essere scritti e letti, consentendo un ragionamento aggregativo on-the-fly quando è necessario raggruppare su una chiave primaria in corrispondenza uno-a-uno con un sottoinsieme dell'intero insieme di documenti. Nelle valutazioni su sei corpora, ScalableRAG ha superato tutti i baselines, inclusi gli approcci basati su grafi di conoscenza, su tre dataset e ha raggiunto prestazioni quasi massime sugli altri tre. La sua accuratezza media su tutti e sei i dataset è stata del 7,36% superiore al baseline successivo più competitivo.
Fatti principali
- ScalableRAG raggiunge un costo di ingestione pari a zero.
- Non necessita di database vettoriali, grafi di conoscenza o tabelle SQL.
- Utilizza uno spazio di lavoro di insiemi di documenti e insiemi di valori.
- Supera tutti i baselines su tre dei sei corpora.
- Prestazioni quasi massime sui restanti tre corpora.
- Accuratezza media del 7,36% superiore al miglior baseline successivo.
- Consente un ragionamento aggregativo on-the-fly.
- Pubblicato su arXiv con ID 2607.25135.
Entità
Istituzioni
- arXiv