연구진은 기존 그래프 RAG 방식의 한계를 극복하기 위해 HyGRAG라는 새로운 프레임워크를 제안했어요.
HyGRAG는 맥락과 관계 정보를 통합하는 요약 생성, 계층적 구조를 활용한 지식 검색, 동적 코퍼스 관리를 위한 효율적인 업데이트를 지원해요.
실험 결과, HyGRAG는 멀티홉 추론 작업 정확도를 평균 9.7% 향상시켰으며 효율성도 유지했어요.
HyGRAG는 덩어리(chunk)와 개체(entity) 노드를 결합한 계층적 인덱스 구조를 설계하고 LLM 기반 요약을 반복적으로 생성해요.