KAG - Framework RAG pour graphes de connaissances

• Framework de raisonnement et de questions-réponses guidé par une forme logique (form-guided), basé sur le moteur OpenSPG et les LLM
  • Conçu pour créer des solutions de raisonnement logique et de Q&A sur des bases de connaissances de domaine verticales
• Dépasse les limites des RAG existants :
  • L’ambiguïté du calcul de similarité vectorielle dans les RAG traditionnels
  • Résout les problèmes de bruit des GraphRAG fondés sur OpenIE
• Prend en charge le raisonnement logique et le Q&A multi-hop
• Offre des performances supérieures aux méthodes SOTA récentes
• Intégration complète des caractéristiques logiques et factuelles des graphes de connaissances (KGs)
• Fonctionnalités clés :
  • Structure d’indexation croisée entre connaissances et chunks pour intégrer un contexte complet
  • Alignement des connaissances via le raisonnement sur le sens conceptuel pour atténuer les problèmes de bruit
  • Construction de connaissances sous contrainte de schéma pour prendre en charge l’expression des connaissances des experts métier
  • Raisonnement hybride fondé sur des formes logiques pour le Q&A logique et multi-hop