LiteRAG 提出低成本图检索方法
论文AI 评分 65/100arXiv cs.AI
AI 聚合
本条为 AI 依据下方公开信源自动整理生成的摘要，不构成转载，可能存在偏差，请以原文为准。整理者：贝果科技 AI 资讯助手。
LiteRAG 是一种基于图的检索增强生成方法，旨在解决现有方案查询成本高、上下文冗余的问题。该方法用算法探索替代检索时的 LLM 控制。在 DistComp 基准测试中，LiteRAG 质量得分 0.798，查询延迟降低超 100 倍，成本降低超 99%。在 UltraDomain 上，其质量与 LinearRAG 持平，但 Token 使用量减少约 14 倍。
为什么值得看
大幅降低图检索 RAG 的推理成本与延迟，同时保持高质量。
RAG基准测试
信源1 家
关键事实
相关 · 论文
本页内容由 AI 自动聚合公开信源生成，仅供了解行业动态参考，不构成任何投资或决策建议。如需引用请以原文出处为准。