TERAG：基于图的检索增强生成的令牌有效性

于红博

摘要: 基于图的检索增强生成（RAG）已成为广泛研究的方法，用于改进大型语言模型（LLM）的推理、准确性和事实性。然而，许多现有的基于图的RAG系统忽视了在图构建过程中与LLM令牌使用相关的高成本，阻碍了大规模采用。为了解决这个问题，我们提出了TERAG，这是一个简单而有效的框架，旨在以显著较低的成本构建信息图。受HippoRAG的启发，我们在检索阶段引入了个性化PageRank（PPR），并且在仅消耗输出令牌的3%-11%的情况下，实现了至少80%的准确性，比广泛使用的基于图的RAG方法。由于其低令牌占用和高效的构建流程，TERAG非常适用于大规模和成本敏感的部署场景。

更新时间: 2025-10-30 04:17:40

领域: cs.AI

下载: http://arxiv.org/abs/2509.18667v2