腾讯宣布开源 Youtu-GraphRAG 框架，解决图检索增强技术难题

9 月 13 日消息，图检索增强生成（GraphRAG）已成为大模型解决复杂领域知识问答的重要解决方案之一。然而，当前学界和开源界的方案依然面临开销巨大、效果有限、适配成本高等难题。因此，腾讯优图

9 月 13 日消息，图检索增强生成（GraphRAG）已成为大模型解决复杂领域知识问答的重要解决方案之一。然而，当前学界和开源界的方案依然面临开销巨大、效果有限、适配成本高等难题。

因此，腾讯优图实验室今日宣布 —— 正式开源 Youtu-GraphRAG 框架。据介绍，Youtu-GraphRAG 在六个跨领域多语言基准测试中均展现出了优秀的性能表现：

大幅成本优化：相比同类最佳方案，构图成本节省 30%+；

显著精度提升：在复杂推理任务中获得最高 16%+ 的准确率提升；

强大泛化能力：支持中英双语处理，通过最小化人为干预 Schema 实现跨领域无缝迁移。

腾讯宣布开源 Youtu-GraphRAG 框架，解决图检索增强技术难题

从腾讯最新获悉，Youtu-GraphRAG 通过 Schema 连接了两个智能体，在图构建、索引和检索上实现垂直统一和认知闭环。

Schema 引导的层次化知识树构建
通过引入有针对性的实体类型、关系和属性类型，为图构建智能体提供精确约束，实现了跨领域知识的自主演化和高质量抽取。四层架构设计包括：
属性层：存储实体的属性信息
关系层：构建实体间的关系三元组
关键词层：建立关键词索引体系
社区层：形成层次化的高维度社区结构
结构语义双重感知的社区检测
巧妙融合结构拓扑特征与子图语义信息，在复杂网络中提炼高维度知识加强推理总结能力，社区生成效果显著优于传统 Leiden 和 Louvain 算法。利用大模型进行社区摘要生成，实现更高层次的知识抽象。
智能迭代检索机制
深度理解图 Schema，将复杂查询针对性地转换为符合图特征且可并行处理的子查询，通过迭代检索进一步提升思维链追溯与反思能力。