待验证50% 置信事实精确时间
Graph RAG通过知识图谱的实体和关系图遍历来处理多跳推理类问题，适用于文档间关系复杂的场景
1
来源数
50%
置信度
中期 (~90 天)
时效性
2026/7/2
首次发现
有效期至：2026/9/30
来源
RAG召回率优化：从数据接入到重排的全链路漏斗工程拆解
bilibiliAI大模型开发2026/6/21
相关事实
待验证Graph RAG和Hybrid RAG等变体进一步提升了复杂知识场景下的检索精度80% 相似待验证微软研究发现 GraphRAG 对于需要全局性理解整个文档集的问题相比朴素向量 RAG 提升尤为显著74% 相似待验证图遍历与向量检索的混合使用是 GraphRAG 区别于传统 RAG 的核心技术特征73% 相似部分验证知识图谱与RAG结合的Graph RAG被认为是当前效果最好的RAG方案之一70% 相似待验证2023 年底微软研究院发布了 GraphRAG 论文《From Local to Global: A Graph RAG Approach to Query-Focused Summarization》68% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/43686API
curl https://kongchang.com/api/v1/knowledge/claims/43686MCP
get_claim(id=43686)