GraphRAG 相关 AI 资讯 · AI 热点

7月9日

01:15

01:15

官方一手AWS Machine Learning Blog@Jasmine Rasheed Syed

AWS博客介绍了基于图的检索增强生成（GraphRAG）技术，通过结合知识图谱（BYOKG）与生成式AI来加速科学研究。该方法利用图数据库存储实体关系，并在药物研发中实现精准信息检索。GraphRAG在回答复杂科学问题时，比传统RAG更擅长处理多跳推理。BYOKG允许研究人员使用自有知识图谱，无需依赖外部数据源。该方案已应用于药物靶点发现等场景，提升了实验效率。

AI模型 GraphRAG BYOKG AWS 知识图谱药物研发

推荐理由：AWS这篇博客讲的是用图数据库+知识图谱做检索增强生成，专门帮药物研发团队加速查找科学文献和挖掘靶点关系，比传统RAG更能处理复杂问题。

7月8日

19:22

19:22

Qdrant@qdrant_engine

Qdrant 将参加 7 月 9-11 日在柏林举行的 WeAreDevelopers World Congress。7 月 9 日的演讲“The Retrieval Layer for Edge AI”将展示 Qdrant Edge 在智能眼镜上的实时演示。7 月 10 日的 Workshop 将指导参与者为医疗 AI 助手构建上下文工程层，涉及语义搜索、混合检索和 GraphRAG 等模式。活动期间 Qdrant 展位将提供轻量级、隐私优先的向量搜索现场演示。

行业 Qdrant WeAreDevelopers 向量数据库边缘AI GraphRAG

推荐理由：Qdrant 在柏林现场展示 Qdrant Edge 边缘向量搜索，还有医疗 AI 上下文工程工作坊，适合对向量数据库和边缘 AI 感兴趣的人。

5月19日

12:41

12:41

官方一手arXiv: OpenAI@Adilson Vital, Filipi N. Silva, Diego R. Amancio

精选

该研究提出将科学论文影响力预测建模为队列归一化的top-P%分类任务，并在统一框架下比较了基于图模型和基于大语言模型的方法。研究者构建了时序约束下的引用图和文本相似度图，生成Node2Vec表示，并与OpenAI文本嵌入结合。最佳监督配置结合有向引用图和文本嵌入，AUC达到约0.84-0.85。同时评估了基于GPT 5.5和5.4 Nano的GraphRAG设置，虽然LLM方法性能高（AUC达0.87），但检索上下文并未持续提升效果，仅用目标论文提示往往与GraphRAG提示表现相当。结论是结构和文本信号在监督预测中互补，但检索增强需谨慎评估。

论文论文影响力预测 Node2Vec GraphRAG GPT 引用图

推荐理由：做学术影响力预测或科研评价的团队，这篇论文直接对比了图模型和LLM两种路线，给出了冷启动场景下的最佳实践——有向引用图+文本嵌入组合最稳，GraphRAG未必比简单提示好。值得点开看具体实验设计和结论。