KAG
基于知识增强的生成框架,用于构建专业的知识服务
普通产品编程知识增强生成框架
KAG(Knowledge Augmented Generation)是一个专业的领域知识服务框架,旨在通过知识图谱和向量检索的优势,双向增强大型语言模型和知识图谱,解决RAG(Retrieval Augmentation Generation)技术在向量相似性与知识推理相关性之间的大差距、对知识逻辑不敏感等问题。KAG在多跳问答任务上的表现显著优于NaiveRAG、HippoRAG等方法,例如在hotpotQA上的F1分数相对提高了19.6%,在2wiki上提高了33.5%。KAG已成功应用于蚂蚁集团的两个专业知识问答任务中,包括政务问答和健康问答,与RAG方法相比,专业性得到了显著提升。
KAG 最新流量情况
月总访问量
488643166
跳出率
37.28%
平均页面访问数
5.7
平均访问时长
00:06:37