전체 자료에 관한 질문
특정 문단 하나에서 답을 찾는 질문과 자료 전체의 주요 주제를 묻는 질문은 다르다. GraphRAG는 후자처럼 질의에 맞춰 전체를 요약해야 하는 문제에 초점을 맞췄다.
그래프와 집단의 요약
언어 모델로 원문에서 개체 지식 그래프를 만든다. 이어서 서로 밀접한 개체 집단인 커뮤니티의 요약을 미리 생성해 자료의 관계와 주제를 정리한다.
부분 응답을 모아 종합하기
질문이 들어오면 각 커뮤니티 요약으로 부분 응답을 만든다. 이 응답들을 다시 요약해 최종 답변을 구성하므로 여러 집단의 정보를 함께 다루는 구조다.
포괄성과 다양성
초기 논문은 약 100만 토큰 규모의 자료에서 전체 의미를 파악하는 질문을 평가했다. 전통적인 검색 증강 기준 방식과 응답의 포괄성 및 다양성을 비교했으며 모든 검색 질문에서의 우열을 뜻하지는 않는다.
관련 문서
RAPTOR 검색 / 검색 증강 생성 / Self-RAG / CRAG 검색 보정 / QASPER / 언어 모델