AGE는 그래프 검색 연동 생성(GraphRAG)에서 LLM의 잠재 특징 불일치 문제를 해결하기 위해 개발된 기술입니다. Transformer 기반의 마스크 기반 자기 지도 학습(SSL) 방식을 사용하며, 핵심 노드를 예측하기 어려운 그래프의 특성을 고려하여 학습 효율성을 높였습니다.
AGE는 GraphQA 작업에서 비매개변수 검색 구성 요소를 사용하는 접근 방식을 크게 개선하여, 다양한 특성을 가진 4개의 벤치마크 데이터 세트에서 정확도를 향상시켰습니다.
핵심 노드를 제외한 노드를 예측하는 방식으로 학습하여, 그래프 임베딩의 성능을 최적화하고 LLM의 활용도를 높이는 데 기여합니다.