RAGU présente un moteur GraphRAG multi-étapes avec l'extracteur compact Meno-Lite-0.1

RAGU est un moteur GraphRAG modulaire open-source qui améliore l'intégration des connaissances structurées en séparant l'extraction des entités de leur consolidation. Il utilise un processus d'extraction typé en deux étapes, une déduplication basée sur DBSCAN, la synthèse par LLM et la détection de communautés Leiden pour réduire le bruit et la fragilité présents dans les systèmes à passage unique.

• Le système emploie Meno-Lite-0.1, un modèle de 7B optimisé pour les compétences linguistiques, qui surpasse Qwen2.5-32B sur la construction de graphes de connaissances avec une moyenne harmonique relative supérieure de +12,5 %.
• Sur GraphRAG-Bench (Médical), RAGU atteint un rappel des preuves jusqu'à 0,84 et dépasse HippoRAG2 sur les tâches de synthèse.
• Le moteur est installable via pip, s'exécute sur un seul GPU et est publié sous la licence MIT.

Cette approche démontre que des modèles compacts peuvent efficacement gérer des compétences linguistiques en pipeline telles que la compréhension et le raisonnement, offrant une alternative économe en ressources aux modèles plus grands pour les tâches GraphRAG.