Hugging Face फोरम पर एक उपयोगकर्ता Retrieval-Augmented Generation (RAG) दृष्टिकोण का प्रस्ताव देता है जहां दस्तावेज़ों को ज्ञान ग्राफ़ में नोड्स के रूप में संग्रहीत किया जाता है और रीरैंकर के माध्यम से पुनः प्राप्त किया जाता है। स्वयं क्वेरी एक नए नोड बन जाती है जो रीरैंकर द्वारा पहचाने गए सबसे समान नोड्स से जुड़ती है।
- दस्तावेज़ों या पाठ खंडों को ज्ञान ग्राफ़ में नोड्स के रूप में संग्रहीत किया जाता है।
- एक रीरैंकर क्वेरी के आधार पर दस्तावेज़ पुनः प्राप्त करता है, संदर्भित RAG की तुलना में संभावित रूप से उच्च सटीकता प्रदान करता है।
- क्वेरी सबसे समान नोड्स के साथ संबंध स्थापित करने वाला एक नया नोड बन जाती है।
- यह विधि नोड निष्कर्षण के लिए उपयोग किए जाने वाले LLMs की सीमा को संबोधित करती है, जो केवल मोटे-दानेदार लेबल या कीवर्ड उत्पन्न कर सकते हैं।
उपयोगकर्ता ने नोट किया है कि रीरैंकर संदर्भित RAG की तुलना में अधिक सटीक हो सकते हैं, जबकि LLM-आधारित नोड निष्कर्षण बहुत मोटे-दानेदार लेबल उत्पन्न कर सकता है।