知识图在RAG中的真实效果评估

reate_ground_truth2 创建的是“模型生成的 ground truth”，而不是真正基于源文档得出的 ground truth。我的意思是，问题以源材料为依据，但答案来自模型自身的通用知识。因此，从传统意义上说，它并不是真正的“ground truth”。对吧？

GraphRAG 项目的核心：

1. 实体知识图谱生成：首先，使用大语言模型（LLM）从源文档中提取实体及其相互关系，构建实体知识图谱。

2. 社区摘要：进一步将相关实体归入不同社区，并为每个社区生成摘要。这些摘要会在查询过程中作为部分答案。

3. 最终答案生成：针对用户的问题，系统从社区摘要中提取部分答案，然后再次进行摘要，形成最终答案。

这种方法不仅提高了答案的全面性和多样性，而且在处理大规模文本数据时展现出更高的效率和可扩展性。