GraphER：一种基于图的高效检索增强生成富集和重排序方法

检索增强生成（RAG）系统中的语义搜索通常不足以满足复杂的信息需求，特别是当相关证据分散在多个来源时，因为它可能无法检索完整的证据集。解决这个问题的现有方法要么依赖迭代代理检索，这在计算上可能效率低下，要么维护额外的结构，例如知识图，这会引入存储和维护开销。在本文中，我们提出了 GraphER，一种基于图的丰富和重新排名框架，该框架（1）利用数据的组织结构来捕获超越语义相似性的邻近关系，（2）根据这些邻近性在查询时构建图，以及（3）应用基于图的排名来显示顶级候选文档。跨表检索、多跳检索和长文档检索基准的实验表明，检索完整性方面取得了一致的改进。此外，GraphER 不需要额外的图形基础设施，并与标准矢量存储无缝集成。该框架与 检索器 无关，支持多种形式的邻近性，并引入最小的查询时间延迟。