算法论文8

SentGraph：多跳RAG检索革新

PaperAgent2026-01-09

AI 摘要

传统RAG多跳场景易‘断链’，SentGraph将检索单元缩至句，按逻辑建三层图。线下建图、线上推理各分三步，实验提升明显，虽有局限，但为‘图+句子’范式打样。

关注公众号

扫码关注
第一时间收到每日精选

公众号专辑

LLM Wiki 工程实践与 RAG 融合应用

文章介绍 LLM Wiki 工程实践。包括为 AI Coding 创建知识地图，指导 Agent 加载上下文；在 Obsidian 构建知识体系，有插件和自定义 Agent 两种方法；还分析其与 RAG 关系，指出可融合互补，不要过度神话 LLM Wiki。

文章深入解读 LLM Wiki 与 Google OKF，探讨如何重建企业 Agent 可靠知识底座。指出 RAG 检索有局限，Wiki 式体系可整理知识。介绍 LLM Wiki 构想、OKF 规范及构建符合 OKF 约定的 LLM Wiki 的方法。

斯坦福研究显示，AI Agent每次调用62%内容重复，现有前缀缓存虽有优化但天花板低，阿里云数据表明多数缓存块利用率低。LMCache将缓存管理独立，解决性能问题，其CacheBlend技术复用缓存，适配多引擎和存储后端。

RAG系统存在chunk切分难题，现有方案有额外成本。MCompassRAG不切细、不rerank，给粗chunk加主题元数据当指南针，训练推理分离，实验显示信息效率提升、延迟降低。