OSU-NLP-Group/HippoRAG

What it solves

HippoRAG 2 是為了克服標準檢索增強生成（RAG）系統的限制而設計的，特別是提升其處理多跳檢索（關聯性）與整合大型且複雜上下文（意義建構）的能力。其目標是為 LLM 提供一種非參數化的持續學習能力，以模擬人類的長期記憶。

How it works

HippoRAG 2 實作了一個能識別並利用新知識中連接關係的記憶框架。它使用離線索引程序來從文件中建立知識圖譜，這比其他基於圖譜的 RAG 解決方案更具資源效率。在線上程序中，它透過遵循這些連接來檢索資訊，以提升複雜查詢的準確性。

Who it’s for

此專案是為開發者與研究人員設計的，他們正在構建進階的 RAG 系統，需要其 LLM 在複雜、多步驟推理任務中表現更佳，並能在不犧牲簡單事實查詢性能的同時，整合大量資訊。

Highlights

• Improved Associativity: 提升了與標準 RAG 相比的多跳檢索能力。
• Sense-Making: 更好的大型且複雜上下文整合。
• Resource Efficiency: 使用比 GraphRAG 或 RAPTOR 等替代方案更少的離線索引資源。
• Flexible Deployment: 支援廣泛的提供商，包括 OpenAI, Amazon Bedrock, OrcaRouter, 以及本地 vLLM 部署。
• Vector Store Support: 相容於 Parquet files, Qdrant, ChromaDB, 以及 Milvus。