一、背景：Graph-based RAG的“甜蜜烦恼”

自从LLM出现“幻觉”与“知识截止”问题以来，Retrieval-Augmented Generation（RAG）几乎成了落地标配。传统RAG把文档切成独立文本块做向量检索，简单粗暴，却忽略了块间关系，多跳推理和全局一致性能力受限。

于是Graph-based RAG应运而生：用LLM先把文档抽成知识图谱，再基于图结构做检索。然而，作者通过分析主流框架（LightRAG、MS GraphRAG、HippoRAG等）发现一个共性问题：LLM自动抽取的图谱噪音极大：同一实体被重复抽取成多个节点，关系也大量冗余甚至错误。

图1：同一“LLMs”概念在图谱中被抽成6种形态，导致检索路径膨胀

这些冗余节点/边不仅占用存储，还会降低召回精度、拖慢推理速度。以往工作只用字符串匹配做合并，效果有限，且无人系统研究过“如何把LLM生成的图谱洗干净”。

二、方案：Deg-Rag = 实体消歧 + 关系反思

作者提出Deg-Rag（DEnoised Graphs for RAG）

CS数据集上去噪方法之前和之后的子图。冗余实体用红色表示，合并过程用箭头显示。

两步走：

1. 实体消歧（Entity Resolution）

把传统KG清洗流程迁移到LLM场景，并首次在Graph-based RAG里做全模块消融：

图2：实体消歧流水线

关键组件	可选策略（实验覆盖）
Blocking	语义聚类 / 实体类型 / 结构邻居
Embedding	LLM Embedding vs 经典KG Embedding（TransE/DistMult/ComplEx）
相似度	Ego / Neighbor / Type-aware Neighbor / 拼接
合并	直接合并 vs 仅加同义边 vs 合并+同义边

亮点发现

• 类型感知Blocking效果最好：先按实体类型分桶再聚类，避免跨类型误合并。
• 传统ComplEx嵌入在部分领域反超LLM Embedding，算力紧张时性价比更高。
• 直接合并节点几乎总是优于“只加同义边”，因为后者仍保留冗余节点，检索需更多跳数。

2. 关系反思（Triple Reflection）

用LLM-as-Judge给每条三元组打分，过滤掉可信度低于阈值δTR的边；无需人工规则，自适应不同领域。

算法1：Triple Reflection

三、结论：40%节点消失，效果反而提升

在4个UltraDomain数据集（Agriculture、CS、Legal、Mix）与4类Graph-based RAG（LightRAG、HippoRAG、LGraphRAG、GGraphRAG）上统一实验：

表1：四数据集上去噪图谱 vs 原始图谱的QA胜率

对比维度	结果摘要
图谱大小	平均砍掉≈40%实体、30-60%关系
QA性能	去噪后**胜率>50%，最高达70%+**（见表1）
鲁棒性	极端场景下**实体削减70%**仍不掉点（图4）
消融实验	去掉实体消歧 → 性能暴跌；去掉关系反思 → 小幅下跌（图5）

图4：实体削减比例 vs QA胜率

图5：消融实验——实体消歧贡献最大

不同entity resolution方法的影响

学AI大模型的正确顺序，千万不要搞错了

🤔2026年AI风口已来！各行各业的AI渗透肉眼可见，超多公司要么转型做AI相关产品，要么高薪挖AI技术人才，机遇直接摆在眼前！

有往AI方向发展，或者本身有后端编程基础的朋友，直接冲AI大模型应用开发转岗超合适！

就算暂时不打算转岗，了解大模型、RAG、Prompt、Agent这些热门概念，能上手做简单项目，也绝对是求职加分王🔋

📝给大家整理了超全最新的AI大模型应用开发学习清单和资料，手把手帮你快速入门！👇👇

学习路线:

✅大模型基础认知—大模型核心原理、发展历程、主流模型（GPT、文心一言等）特点解析
✅核心技术模块—RAG检索增强生成、Prompt工程实战、Agent智能体开发逻辑
✅开发基础能力—Python进阶、API接口调用、大模型开发框架（LangChain等）实操
✅应用场景开发—智能问答系统、企业知识库、AIGC内容生成工具、行业定制化大模型应用
✅项目落地流程—需求拆解、技术选型、模型调优、测试上线、运维迭代
✅面试求职冲刺—岗位JD解析、简历AI项目包装、高频面试题汇总、模拟面经

以上6大模块，看似清晰好上手，实则每个部分都有扎实的核心内容需要吃透！

我把大模型的学习全流程已经整理📚好了！抓住AI时代风口，轻松解锁职业新可能，希望大家都能把握机遇，实现薪资/职业跃迁～

这份完整版的大模型 AI 学习资料已经上传CSDN，朋友们如果需要可以微信扫描下方CSDN官方认证二维码免费领取【保证100%免费】