SAG: SQL-Retrieval Augmented Generation with Query-Time Dynamic Hyperedges
Di cosa parla
SAG organizza i testi come unità semantiche complete chiamate "eventi", ciascuna collegata alle entità coinvolte, invece di costruire un grande grafo globale. Quando arriva una domanda, collega al volo gli eventi che condividono le stesse entità per formare un contesto rilevante, mantenendo i frammenti originali intatti. L'idea è migliorare l'accesso a conoscenza strutturata e il ragionamento a più passaggi evitando la frammentazione e la manutenzione pesante dei grafi costruiti offline; i test riportano miglioramenti, soprattutto per catene di ragionamento più complesse.
Cosa permette di osservare
Consente di esplorare se è preferibile collegare le informazioni al momento della domanda piuttosto che mantenere un grande grafo precomputato, e come organizzare conoscenza aziendale in crescita per aiutare agenti basati su modelli linguistici a risolvere quesiti che richiedono più passaggi.
Dalla fonte
While retrieval-augmented generation (RAG) has proven effective at giving LLMs access to external knowledge, mainstream dense-retrieval implementations remain inherently limited in handling structured constraints and multi-hop reasoning. Graph-based methods address this by constructing knowledge graphs offline, but they often fragment semantics, incur high maintenance, and complicate incremental updates. We propose SAG (SQL-Retrieval Augmented Generation), a structured retrieval architecture that organizes documents into an event-entity index without building a global knowledge graph. SAG represents each chunk as a semantically complete event paired with its entities, forming a latent hyperedge that preserves n-ary relations without decomposing them into triples. At query time, SAG treats shared entities as join keys to connect related chunks. This dynamically yields a query-scoped neig…