Resumen: La investigación en neurociencia cognitiva indica que los humanos aprovechan las señales para activar rastros de memoria centrados en entidades (engramas) para una recolección compleja de múltiples saltos. Inspirándonos en este mecanismo, presentamos EcphoryRAG, un marco RAG de gráficos de conocimiento centrado en entidades. Durante la indexación, EcphoryRAG extrae y almacena solo entidades centrales con los metadatos correspondientes, un enfoque liviano que reduce el consumo de tokens hasta en un 94% en comparación con otros sistemas RAG estructurados. Para la recuperación, el sistema primero extrae entidades de referencia de las consultas y luego realiza una búsqueda asociativa escalable de múltiples saltos en el gráfico de conocimiento. Fundamentalmente, EcphoryRAG infiere dinámicamente relaciones implícitas entre entidades para poblar el contexto, lo que permite un razonamiento profundo sin una enumeración previa exhaustiva de las relaciones. Evaluaciones exhaustivas en los puntos de referencia 2WikiMultiHop, HotpotQA y MuSiQue demuestran que EcphoryRAG establece un nuevo estado del arte, mejorando el puntaje promedio de Coincidencia Exacta (EM) de 0,392 a 0,474 en comparación con métodos KG-RAG sólidos como HippoRAG. Estos resultados validan la eficacia del paradigma de recuperación de entidades, señales y múltiples saltos para responder preguntas complejas.
Publicado originalmente en export.arxiv.org el 12 de octubre de 2025.
Ver fuente original
