基于木头结构的检索增强生成算法CFT-RAG
机器学习
2026-02-03 v3 人工智能
摘要
虽然检索增强生成（RAG）通过检索外部知识库并整合生成内容显著提高了生成质量，但在涉及Tree-RAG中层次结构检索任务时仍面临计算效率瓶颈。本文提出一种基于改进Cuckoo Filter的Tree-RAG加速方法，该方法优化了实体在检索过程中的定位，以实现显著的性能提升。Tree-RAG通过引入层次化树结构有效地组织实体，而Cuckoo Filter作为一种支持快速成员查询和动态更新的高效数据结构。实验结果表明，我们的方法在保持高水平生成质量的同时，速度显著快于naive Tree-RAG。当树的数量较大时，我们的方法比naive Tree-RAG快上数百倍。我们的工作已公开于 https://github.com/TUPYP7180/CFT-RAG-2025。
关键词
引用
@article{arxiv.2501.15098,
title = {CFT-RAG: An Entity Tree Based Retrieval Augmented Generation Algorithm With Cuckoo Filter},
author = {Zihang Li and Yangdong Ruan and Wenjun Liu and Zhengyang Wang and Tong Yang},
journal= {arXiv preprint arXiv:2501.15098},
year = {2026}
}