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～
