微软

微软LazyGraphRAG：新一代超低成本RAG

作者

微软发布LazyGraphRAG简化成本结构，相比完整GraphRAG成本低0.1%。其利用NLP提取概念及其共现，并采用图形统计优化概念图和分层社区结构。评测显示，在成本和质量上超越其他方法，性能优于包括标准向量RAG、RAPTOR、GraphRAG本地/全局搜索和DRIFT在内的多个选项。

跨模态大升级！少量数据高效微调，LLM教会CLIP玩转复杂文本

作者

CLIP 模型通过对比学习实现了视觉与文本的对齐。然而其文本处理能力有限，研究团队提出 LLM2CLIP 方法利用大语言模型提升 CLIP 的多模态表示学习能力，显著提升了 CLIP 在中文检索任务中的表现，并在复杂视觉推理中提升了 LLaVA 模型的表现。

成本降低1000倍！微软将开源超强RAG— LazyGraphRAG

作者

专注AIGC领域的专业社区，聚焦大语言模型（LLM）的发展与应用。近期，微软发布LazyGraphRAG迭代版本，相比原版成本大幅降低1000倍，并优化了查询处理方式和性能，特别适用于中小企业和个人开发者场景。