연구진이 다중 홉 추론에 강한 새로운 RAG 프레임워크 TIGRAG를 제안했어요. TIGRAG는 토큰 공기치 지식 그래프를 활용해 연관된 증거를 효율적으로 검색하고, 기존 방식보다 빠른 속도로 작동해요. 3가지 멀티 홉 QA 벤치마크에서 기존 RAG 방식보다 성능이 뛰어난 것으로 나타났어요.
TIGRAG는 LLM 기반 추출 파이프라인 없이 토큰 공기치 통계를 기반으로 지식 그래프를 구축하여 확장 가능한 그래프 구축이 가능해요. 이 방식은 기존 방식보다 인덱싱 시간, 추론 지연 시간, 프롬프트 발자국을 크게 줄여요.
TIGRAG는 엔티티 중심의 반복 검색 전략을 도입하여 이전에 검색된 컨텍스트에서 추출한 브리지 엔티티를 사용하여 쿼리를 점진적으로 확장하며, 멀티 홉 추론에 필요한 연관 증거를 검색해요.