Microsoftが新しいRAG手法「LazyGraphRAG」を発表

LazyGraphRAGは、コスト効率の高さを重視した革新的なRAG（Retrieval-Augmented Generation）モデルで、データインデックスのコストが従来のGraphRAGの**わずか0.1%**です。また、生成結果の正確性とクエリ効率も高いことが特徴です。

LazyGraphRAGの主な特徴:

1. 低インデックスコスト:
   • インデックスコストはベクターRAGと同等で、GraphRAGの0.1%。
   • 前処理としてのデータ要約が不要で、高い初期コストを回避。
2. パフォーマンス（クエリコストと品質の両立）:
   • ローカルクエリ:
     ベクターRAGと同等のコストで、他のすべての手法（長コンテキストベクターRAG、GraphRAG DRIFT検索、GraphRAGローカル検索）を上回る精度。
   • グローバルクエリ:
     GraphRAG全域検索と同等の品質を実現しながら、クエリコストを700倍以上削減。
   • 総合性能:
     GraphRAG全域検索の4%のコストで、ローカルとグローバルのクエリ性能においてすべての競合手法を超える。
3. 効率的なインデックス手法:
   • LLMを使用せず、NLP技術で名詞句を抽出し、概念と共起関係を特定。
   • 軽量な概念グラフを生成し、グラフ統計に基づく階層的なコミュニティ構造を構築。
4. 高度なクエリ処理:
   • **”最良優先探索”と“幅優先探索”**を組み合わせたアプローチ。
   • イテレーティブにクエリ処理を深め、正確性を維持しつつコストを管理。

公式リンク:

• 詳細ブログ記事: LazyGraphRAG: Microsoft公式ブログ
• オープンソースプロジェクト: GitHub – GraphRAG

LazyGraphRAGは、質とコストの両方で新しい基準を設定し、AIモデルによる情報検索の新たな可能性を提供します。