OSU-NLP-Group/HippoRAG

何を解決するか

HippoRAG 2は、標準的な検索拡張生成（RAG）システムの限界を克服するように設計されており、特にマルチホップ検索（連想性）と、大規模で複雑なコンテキストの統合（意味理解）の能力を向上させます。LLMに、人間の長期記憶を模倣した非パラメトリックな継続学習能力を提供することを目指しています。

仕組み

HippoRAG 2は、新しい知識内の接続を認識して利用するメモリフレームワークを実装しています。オフラインのインデックス作成プロセスを使用してドキュメントから知識グラフを構築しますが、これは他のグラフベースのRAGソリューションよりもリソース効率に優れています。オンラインプロセスでは、これらの接続を辿ることで情報を検索し、複雑なクエリの精度を向上させます。

対象者

このプロジェクトは、複雑で多段階の推論タスクにおいてLLMのパフォーマンスを向上させ、単純な事実クエリのパフォーマンスを犠牲にすることなく大量の情報を統合する必要がある、高度なRAGシステムを構築している開発者や研究者向けです。

ハイライト

• 連想性の向上: 標準的なRAGと比較してマルチホップ検索能力を強化します。
• 意味理解: 大規模で複雑なコンテキストをより適切に統合します。
• リソース効率: GraphRAGやRAPTORのような代替手段よりも、オフラインのインデックス作成に少ないリソースを使用します。
• 柔軟なデプロイ: OpenAI、Amazon Bedrock、OrcaRouter、およびローカルのvLLMデプロイを含む幅広いプロバイダーをサポートしています。
• ベクトルストアのサポート: Parquetファイル、Qdrant、ChromaDB、およびMilvusと互換性があります。