RAGU adalah mesin GraphRAG modular sumber terbuka yang meningkatkan integrasi pengetahuan terstruktur dengan memisahkan ekstraksi entitas dari konsolidasi. Mesin ini memanfaatkan proses ekstraksi bertipe dua tahap, deduplikasi berbasis DBSCAN, peringkasan LLM, dan deteksi komunitas Leiden untuk mengurangi kebisingan dan kerapuhan yang ditemukan pada sistem satu kali lewati.

  • Sistem menggunakan Meno-Lite-0.1, model 7B yang dioptimalkan untuk kemampuan bahasa, yang melampaui Qwen2.5-32B dalam konstruksi grafik pengetahuan sebesar +12,5% rata-rata harmonik relatif.
  • Pada GraphRAG-Bench (Medis), RAGU mencapai recall bukti hingga 0,84 dan mengungguli HippoRAG2 pada tugas sintesis.
  • Mesin ini dapat diinstal melalui pip, berjalan pada satu GPU, dan dirilis di bawah lisensi MIT.

Pendekatan ini menunjukkan bahwa model ringkas dapat secara efektif menangani kemampuan bahasa dalam pipa seperti pemahaman dan penalaran, menawarkan alternatif yang efisien sumber daya dibandingkan model yang lebih besar untuk tugas GraphRAG.