PersonalAI 2.0：通过个性化 LLM 代理的规划机制增强知识图谱遍历/检索

我们推出 PersonalAI 2.0 (PAI-2)，这是一种新颖的框架，旨在通过集成外部知识图 (KG) 来增强基于 LLM 的系统。所提出的方法通过结合动态、多级查询处理管道来解决现有图检索增强生成（GraphRAG）方法的关键局限性。 PAI-2 设计的中心点是其执行自适应、迭代信息搜索的能力，由提取的实体、匹配的图顶点和生成的线索查询引导。对五个基准（Natural Questions、TriviaQA、HotpotQA、2WikiMultihopQA 和 MuSiQue）进行的评估表明，与模拟方法（LightRAG、RAPTOR、HippoRAG 2 和 PAI-1）相比，生成答案的事实正确性有所提高。 PAI-2 在 2WikiMultihopQA 和 MuSiQue 基准上实现了 LLM-as-a-Judge 平均增益 9%，并且在 TriviaQA 和 HotpotQA 基准上达到了与 HippoRAG 2 相当的准确度，反映出其在降低幻觉率和提高精确度方面的有效性。我们通过 LLM-as-a-Judge 在五个基准测试中发现，与禁用的搜索计划增强机制相比，启用的搜索计划增强机制获得了 18% 的提升。此外，消融研究表明，PAI-2 在 MINE-1 基准上取得了 SOTA 结果，在 7--15B 层中使用 LLM 获得了 89% 的信息保留分数。总的来说，这些发现强调了 PAI-2 作为个性化人工智能应用程序的可重用组件的潜力，这些应用程序需要可扩展的、上下文感知的知识表示和推理能力。 PAI-2的源代码可在以下链接获取：https://github.com/Dzigen/PersonalAI。