RAG / 检索增强生成

Reliable Graph-RAG for Codebases: AST-Derived Graphs vs LLM-Extracted Knowledge Graphs

可靠的代码库图-RAG：基于AST的图与LLM提取的知识图谱

Manideep Reddy Chinthareddy

机构 * Software Engineer, Centerville, USA（美国辛斯维尔软件工程师） 纠错

专题命中 图谱与结构化RAG ：RAG(title,abstract)；retrieval-augmented generation(abstract)；分类 cs.AI

AI总结 本文比较了基于AST的图谱和LLM提取的知识图谱在代码库中的检索性能，发现确定性AST图谱在索引成本和多跳推理方面更具优势。

Comments 46 pages, 2 figures

DeKeyNLU: Enhancing Natural Language to SQL Generation through Task Decomposition and Keyword Extraction

DeKeyNLU：通过任务分解和关键词提取增强自然语言到SQL生成

Jian Chen, Zhenyan Chen, Xuming Hu, Peilin Zhou, Yining Hua, Han Fang, Cissy Hing Yee Choy, Xinmei Ke, Jingfeng Luo, Zixuan Yuan

机构 * The Hong Kong University of Science and Technology (Guangzhou)（香港科学与技术大学（广州）） ； HSBC（汇丰银行） ； South China University of Technology（华南理工大学） ； Harvard University（哈佛大学） ； Chicago University（芝加哥大学） 纠错

专题命中 图谱与结构化RAG ：retrieval-augmented generation(abstract)；RAG(abstract)；分类 cs.CL、cs.AI

AI总结 DeKeyNLU通过任务分解和关键词提取提升NL2SQL生成精度，提出DeKeySQL流程并验证其在BIRD和Spider数据集上的有效性。

CSQL: Mapping Documents into Causal Databases

CSQL：将文档映射到因果数据库

Sridhar Mahadevan

机构 * Adobe Research and University of Massachusetts（Adobe研究院和马萨诸塞大学） 纠错

专题命中 图谱与结构化RAG ：RAG(abstract)；分类 cs.IR、cs.AI、cs.DB

AI总结 CSQL通过将文档转换为因果数据库，支持对文档集合的因果分析，能够回答‘为什么’的问题，并实现大规模语料库级别的因果查询和纵向分析。

Comments 26 pages