推荐文章7

RAG与GraphRAG技术解析

AINLPer2025-05-26

AI 摘要

文章称传统RAG适合结构良好、独立数据，通过向量搜索检索上下文，但无法体现数据关系。GraphRAG用知识图谱提升检索效果，不过新增数据需重索引。结合两者构建混合系统更佳。

关注公众号

扫码关注
第一时间收到每日精选

公众号专辑

Booking.com亿级向量数据库选型实践

本文分享Booking.com在1亿条embedding数据规模下，原有OpenSearch向量方案遇到性能、成本、运维瓶颈后，自行设计贴合生产的压测对比不同方案，最终完成选型迁移的全过程，总结了实用经验。

Perplexity核心搜索面向大模型检索，原有存储Amazon DynamoDB在高流量下存在延迟高、成本不可控问题，两名工程师两个月用Rust写出4万行自研CobbleDB，迁移后性能成本均大幅优化，后续计划开源。

本文介绍发表于Nature Machine Intelligence的最新研究，系统探究语言模型与人脑推理表征的对应关系，验证人脑信号可引导提升语言模型推理鲁棒性，为脑启发AI提供了新研究路径。

当前大语言模型长期记忆方案均基于相似度检索，存在结构性盲区，无法在无字面/语义相似时召回关联记忆。腾讯团队提出T-Mem，实现AI联想回忆，已被EMNLP 2026接收，代码开源并上线QQ AI伙伴。