logo
บ้าน ข่าว

ข่าว บริษัท เกี่ยวกับ ข้อมูลกราฟทําให้ RAG เวคเตอร์ดีขึ้น

ได้รับการรับรอง
จีน Beijing Qianxing Jietong Technology Co., Ltd. รับรอง
จีน Beijing Qianxing Jietong Technology Co., Ltd. รับรอง
ความคิดเห็นของลูกค้า
พนักงานขายของ Beijing Qianxing Jietong Technology Co. , Ltd เป็นมืออาชีพและอดทนมาก พวกเขาสามารถให้ใบเสนอราคาได้อย่างรวดเร็ว คุณภาพและบรรจุภัณฑ์ของผลิตภัณฑ์ก็ดีมากเช่นกัน ความร่วมมือของเราเป็นไปอย่างราบรื่น

—— 《Festfing DV》 LLC

เมื่อฉันกำลังมองหา Intel CPU และ Toshiba SSD อย่างเร่งด่วน Sandy จาก Beijing Qianxing Jietong Technology Co., Ltd ให้ความช่วยเหลืออย่างมากและได้ผลิตภัณฑ์ที่ฉันต้องการอย่างรวดเร็ว ฉันชื่นชมเธอจริงๆ

—— คิตตี้ เยน

แซนดี้แห่งปักกิ่ง Qianxing Jietong Technology Co. , Ltd เป็นพนักงานขายที่ระมัดระวัง ซึ่งสามารถเตือนฉันถึงข้อผิดพลาดในการกำหนดค่าในเวลาที่ฉันซื้อเซิร์ฟเวอร์ วิศวกรมีความเป็นมืออาชีพมากและสามารถดำเนินการทดสอบให้เสร็จสิ้นได้อย่างรวดเร็ว

—— Strelkin Mikhail Vladimirovich

เรามีความสุขมากกับประสบการณ์การทำงานกับ Beijing Qianxing Jietong คุณภาพของผลิตภัณฑ์ยอดเยี่ยมและการจัดส่งตรงเวลาเสมอ ทีมขายของพวกเขามืออาชีพ อดทน และช่วยเหลือดีมากกับคำถามทั้งหมดของเรา เราขอขอบคุณการสนับสนุนของพวกเขาอย่างแท้จริงและหวังว่าจะได้ร่วมงานกันในระยะยาว แนะนำเป็นอย่างยิ่ง!

—— Ahmad Navid

คุณภาพ: ประสบการณ์ที่ดีกับผู้จําหน่ายของฉัน The MikroTik RB3011 ได้ถูกใช้แล้ว แต่มันอยู่ในสภาพที่ดีมาก และทุกอย่างทํางานอย่างสมบูรณ์แบบ การสื่อสารเร็วและเรียบร้อยและความกังวลทั้งหมดของฉันถูกแก้ไขอย่างรวดเร็วซัพพลายเออร์ที่น่าเชื่อถือมาก แนะนํามาก

—— เจรัน โคเลซิโอ

สนทนาออนไลน์ตอนนี้ฉัน
บริษัท ข่าว
ข้อมูลกราฟทําให้ RAG เวคเตอร์ดีขึ้น

ผู้ให้บริการฐานข้อมูลกราฟ Neo4j ระบุว่าเทคโนโลยีฐานข้อมูลกราฟสามารถป้องกันโมเดล AI และเอเจนต์จากการสร้างข้อมูลหลอน การกุเรื่อง และคำตอบที่ผิดพลาดต่อคำถามของผู้ใช้

ข่าว บริษัท ล่าสุดเกี่ยวกับ ข้อมูลกราฟทําให้ RAG เวคเตอร์ดีขึ้น  0

บริษัทได้อ้างอิงถึงบทความวิชาการล่าสุดที่เผยแพร่บน arXiv ในเดือนมิถุนายน ชื่อ “Reducing Hallucinations in Complex Question Answering using Simple Graph-based Retrieval-Augmented Generation” ซึ่งยืนยันข้อกล่าวอ้างของบริษัท

บทคัดย่อของบทความระบุว่าการศึกษานี้สำรวจการนำโครงสร้างกราฟน้ำหนักเบามาใช้กับสคีมากราฟอย่างง่ายเพื่อรองรับระบบย่อย RAG (Retrieval-Augmented Generation) ผ่านชุดเครื่องมือเฉพาะ ทีมวิจัยได้สร้างระบบแบบเอเจนต์ที่ติดตั้งเครื่องมือค้นหาเวกเตอร์และสอบถามกราฟที่หลากหลาย โดยทำงานบนข้อมูลที่มีโครงสร้างซึ่งได้มาจากบทความวิกิพีเดียภาษาอังกฤษที่คัดสรรมาอย่างดี ระบบได้รับการประเมินประสิทธิภาพในคำถามที่ซับซ้อนจาก MoNaCo ซึ่งเป็นชุดข้อมูลการตอบคำถามวิกิพีเดียที่ท้าทายสำหรับงานตอบคำถามที่ซับซ้อน

นักวิจัยได้ตั้งคำถามที่ซับซ้อนสำหรับ LLM ว่า: “คุณสามารถระบุการสู้รบทั้งหมดระหว่างชาวดัตช์และชาวอังกฤษในสงครามอังกฤษ-เนเธอร์แลนด์ครั้งที่หนึ่ง สอง และสาม และระบุผู้ชนะในการสู้รบแต่ละครั้งได้หรือไม่?”

การตอบคำถามนี้ต้องการความสามารถในการดึงข้อมูลและการให้เหตุผลที่ซับซ้อน รวมถึงการให้เหตุผลแบบหลายเอนทิตี หลายฮอป และการเข้าถึงเอกสารข้ามเอกสารพร้อมกัน การศึกษาระบุว่าคำถามที่ซับซ้อนเช่นนี้ก่อให้เกิดความท้าทายอย่างมากสำหรับระบบที่ใช้ LLM ที่ทันสมัยที่สุดในปัจจุบัน

ทีมได้ทดสอบคำถามกับชุดการตั้งค่า LLM สามแบบและวิเคราะห์ผลลัพธ์:
1. Vector+graph RAG: ใช้ฐานข้อมูลเวกเตอร์และกราฟแบบรวมพร้อมเครื่องมือที่กำหนดไว้ล่วงหน้าเพื่อเพิ่มประสิทธิภาพการดึงข้อมูลฐานความรู้ภายนอก
2. Simple vector RAG
3. Zero-shot LLM ที่ไม่มีการปรับปรุง RAG

ผลการวิจัยยืนยันว่าการรวมฐานความรู้แบบกราฟพื้นฐานและเครื่องมือที่ตรงกันเข้ากับ Vector RAG มาตรฐานสามารถลดการสร้างข้อมูลหลอนของ AI ได้อย่างมาก แม้ว่าจะไม่สามารถกำจัดได้ทั้งหมด คะแนนความถูกต้องโดยรวมดีขึ้นจากประมาณ -127 สำหรับ LLM แบบ zero-shot เป็น -49 สำหรับ Vector+graph RAG

นอกจากนี้ แนวทางแบบไฮบริดยังให้ประสิทธิภาพที่เหนือกว่า Vector RAG แบบสแตนด์อโลนอย่างมีนัยสำคัญ เมื่อรวมคำตอบที่ถูกต้องบางส่วนในการประเมิน Vector+graph RAG จะได้คะแนนสูงสุดในบรรดาการทดสอบทั้งสามแบบ คะแนนความถูกต้องแบบละเอียดสูงกว่า Vector RAG แบบเพียวถึง 80 เปอร์เซ็นต์ โดยมีความแม่นยำและเรียกคืนข้อเท็จจริงมากกว่าสองเท่าของระบบ RAG แบบเวกเตอร์เท่านั้น
โดยรวมแล้ว โซลูชันที่นำเสนอช่วยเพิ่มทั้งความแม่นยำและการเรียกคืน พร้อมทั้งควบคุมการสร้างข้อมูลหลอน ซึ่งเป็นแนวทางที่เป็นไปได้ในการปรับปรุงความน่าเชื่อถือและความน่าเชื่อถือของระบบ QA ที่ใช้ LLM

อ่านบทความต้นฉบับเพื่อดูรายละเอียดทางเทคนิคที่ครอบคลุมของการวิจัย

บริษัท ปักกิ่ง เฉียนซิง เจียทง เทคโนโลยี จำกัด
แซนดี้ หยาง / ผู้อำนวยการฝ่ายกลยุทธ์ระดับโลก
WhatsApp / WeChat: +86 13426366826
อีเมล: yangyd@qianxingdata.com
เว็บไซต์: www.qianxingdata.com/www.storagesserver.com
ธุรกิจหลัก:
การจัดจำหน่ายผลิตภัณฑ์ ICT / การรวมระบบและบริการ / โซลูชันโครงสร้างพื้นฐาน
ด้วยประสบการณ์ด้านการจัดจำหน่ายไอทีมากกว่า 20 ปี เราเป็นพันธมิตรกับแบรนด์ชั้นนำระดับโลกเพื่อส่งมอบผลิตภัณฑ์ที่เชื่อถือได้และบริการระดับมืออาชีพ
“ใช้เทคโนโลยีเพื่อสร้างโลกอัจฉริยะ” ผู้ให้บริการผลิตภัณฑ์ ICT ที่คุณไว้วางใจ!
ผับเวลา : 2026-07-24 11:28:29 >> รายการข่าว
รายละเอียดการติดต่อ
Beijing Qianxing Jietong Technology Co., Ltd.

ผู้ติดต่อ: Ms. Sandy Yang

โทร: 13426366826

ส่งคำถามของคุณกับเราโดยตรง (0 / 3000)