연구진은 지식 집약적이고 다중 홉 쿼리 작업에 효과적인 그래프 기반 검색 증강 생성(GraphRAG)의 한계를 극복하기 위해 FlowRAG 프레임워크를 제안했어요.
FlowRAG는 요약 노드를 활용한 4단계 이종 그래프를 구축하고, 요약-쿼리 정렬과 문장 레벨 매칭을 결합하여 관련 엔티티를 활성화하며, 빈도 기반 가중치 흐름 모듈을 통해 노이즈를 제거하고 명시적인 추론 경로를 추출해요.
실험 결과, FlowRAG는 복잡한 추론 벤치마크에서 최고 성능을 달성하며, 기존 방법의 낮은 검색률과 불안정한 다중 홉 추론 문제를 개선했어요.