hhy-huang/HiRAG

[EMNLP'25 findings] This is the official repo for the paper, HiRAG: Retrieval-Augmented Generation with Hierarchical Knowledge.

What it solves

HiRAG는 계층적 지식을 이용해 기존 Retrieval‑Augmented Generation(RAG)의 한계를 극복하고, 생성된 답변의 포괄성, 다양성 및 전반적인 품질을 향상시킵니다. 특히 순수 RAG 및 기타 GraphRAG 구현과 비교했을 때 그 효과가 두드러집니다.

How it works

HiRAG는 지식을 계층 구조로 조직하여 시스템이 다양한 수준의 세분화된 정보를 검색할 수 있게 합니다. 다음과 같은 여러 검색 모드를 지원합니다:

  • Hierarchical (hi): 계층 지식 구조를 사용하는 기본 접근 방식.
  • Local: 로컬 지식만 검색.
  • Global: 글로벌 지식만 검색.
  • Bridge: 계층의 서로 다른 레벨을 연결하는 브리지 지식만 검색.

시스템은 DeepSeek, OpenAI, ChatGLM 등 다양한 LLM API와 통합되어 생성 단계에서 활용될 수 있습니다.

Who it’s for

복잡한 질의에 대해 고수준 요약과 상세 로컬 정보를 모두 필요로 하는, 보다 정교한 RAG 시스템을 구현하고자 하는 개발자 및 연구자를 위한 것입니다.

Highlights

  • Hierarchical Knowledge Base: 평면 검색을 넘어 구조화된 접근 방식을 제공합니다.
  • Multi‑mode Retrieval: 로컬, 글로벌, 브리지 지식을 유연하게 검색할 수 있는 옵션을 제공합니다.
  • Broad LLM Compatibility: DeepSeek, OpenAI, ChatGLM 등 서드파티 API와 호환됩니다.
  • Strong Performance: 답변의 포괄성과 다양성 측면에서 Naive RAG 및 기타 GraphRAG 프레임워크보다 크게 향상됩니다.