【标题】微软开源GraphRAG：增强大语言模型能力的一大进步

【核心内容】

• 微软开源了GraphRAG，一种基于图的检索增强生成方法，可以对私有或以前未见过的数据集进行问答。
• GraphRAG利用大型语言模型从数据源中提取知识图谱，并将其聚类成不同粒度级别的相关实体社区。
• GraphRAG在处理私有数据时的性能优于传统的RAG技术，可以提供复杂语义问题推理能力。
• GraphRAG在全面性、多样性、赋权性方面优于朴素RAG。
• GraphRAG可以处理需要汇总全部数据集信息才能得出答案的查询。

【评论内容】

• 小红书用户：太棒了，微软开源了GraphRAG！这个工具绝对会带来颠覆性的改变。
• 微信公众号读者：GraphRAG的性能优于传统RAG技术，但是使用和推理时间都会增加，还有待改进。

" 【标题】微软开源 GraphRAG：解锁大语言模型在私有数据上的发现能力

【核心内容】

1. 微软开源了一种名为 GraphRAG 的方法，该方法基于图论和大型语言模型（LLM），能在私有或未见过的数据集上进行问答。
2. GraphRAG 利用 LLM 生成的知识图谱，大幅提升了问答性能，能在处理私有数据时克服基线 RAG 技术的局限。
3. GraphRAG 在多个跨领域数据集上表现优异，不仅在全面性、多样性、赋权性方面优于基线 RAG，还能连点成线，全面理解大型数据集或单一大型文档的语义概念。
4. 微软在 GitHub 上发布了 GraphRAG 的开源代码，项目迅速获得了 2700 颗星。

【评论内容】

小红书用户：

1. 太棒了，微软开源了 GraphRAG！看完演示视频后，我的脑海里充满了 GraphRAG 带来的各种可能性。我打算在 MacBook 上尝试使用 GraphRAG + Llama3，因为它有 96GB 的统一内存（VRAM）。我认为这个工具绝对会带来颠覆性的改变。
2. 从看了论文后，我就一直期待着能玩玩它。我曾想过根据论文自己实现它，不过我想官方的代码应该只会晚几周发布，事实证明我的耐心确实得到了回报 😃
3. 我一直在等这一天！知识图谱并不是传统语义搜索的替代品，但它们确实在执行 RAG 操作时解锁了一系列全新能力，例如既可以沿着非常长的上下文向下遍历，又可以以一种连贯、高效的方式跨越不同的上下文进行遍历。

微信公众号读者：

1. 微软研究院于 4 月首次宣布推出 GraphRAG ，仅看到论文就让很多人有点等不及上手一试了，如今这项成果终于开源了，开发者们对此表现得超级兴奋。
2. 这项技术使用了大型语言模型（LLM）从私有数据中提取知识图谱，并将图谱聚类成不同粒度级别的相关实体社区。这对于解决普通 RAG 技术在私有数据上表现不佳的问题具有重要意义。
3. GraphRAG 方法在回答现实世界中杂乱的测试示例时表现出色，相较于基线 RAG 技术，它在全面性、多样性、赋权性方面都有显著提升。"