VizRAG：通过超图可视化增强检索增强生成

基于超图的 RAG 系统通过组织实体之间复杂的 n 元原子事实，而不是仅仅依赖于二元关系，超越了传统的基于图的方法。尽管多模态 大语言模型 (MLLM) 取得了进步并具有增强的视觉功能，但当前基于超图的 RAG 框架主要将知识检索和重构限制为单模态、以文本为中心的范式。这种限制使他们无法充分利用现代 MLLM 强大的视觉感知能力。为了解决这一差距，我们通过视觉提示系统地探索了 RAG 系统中超图意识的集成。通过将超图的视觉表示合并到 RAG 管道中，我们推出了 VizRAG，这是第一个支持视觉超图结构感知的 RAG 系统。实验结果表明，VizRAG 的性能显着优于强基线，验证了超图可视化作为 RAG 系统新颖方法的巨大潜力。