基于检索增强生成(Retrieval-Augmented Generation,RAG)技术的人工智能(AI)智能体正在快速扩散。RAG是指大型语言模型在检索相关信息后,基于所获取的信息向用户给出回答或说明的技术。


但企业数据中的文档、表格、实体之间关系呈多样化分散状态,人工智能难以进行综合理解和利用。也正因如此,人工智能会在缺乏充分依据的情况下生成回答,出现一种“幻觉现象”,这也成为阻碍企业级人工智能普及的主要因素。


为解决这一问题,韩国研究团队开发出新一代数据库技术,可将人工智能回答准确率较现有水平最高提升78%,处理速度最高提升20倍。


(从左起)Park Jeongho,GraphAI工程师;Han Donghyeong,GraphAI首席技术官;Lee Geonho,韩国科学技术院计算机系博士生;Kim Minsu,韩国科学技术院计算机系教授。韩国科学技术院供图

(从左起)Park Jeongho,GraphAI工程师;Han Donghyeong,GraphAI首席技术官;Lee Geonho,韩国科学技术院计算机系博士生;Kim Minsu,韩国科学技术院计算机系教授。韩国科学技术院供图

View original image

韩国科学技术院19日表示,计算机系Kim Minsu教授研究团队与教师创业企业GraphAI联合开发了将向量、图、关系型数据库(Database,DB)功能整合进一个数据库管理系统(Database Management System,DBMS)的“AkasicDB”,以及基于AkasicDB的RAG技术“Omni RAG”。


AkasicDB经过设计,可在数据库管理系统中统一执行以下功能:将文档或图像所具有的语义转换为数字向量并查找相似信息的“向量数据库”,存储并分析人物、企业、产品等实体间关系的“图数据库”,以及以表格形式系统化管理数据的传统“关系型数据库”。


Omni RAG基于AkasicDB,同时利用文档的语义信息、实体间关系以及结构化数据,从而提升生成式人工智能的回答准确率。


现有RAG通常是将用户问题和文档转换为向量,检索语义上相似的文档后提供给大型语言模型。这种方式在非结构化文档检索方面效果显著,但在回答需同时考虑文档中实体关系,或特定期间、类型、范围等结构化条件的复杂查询时,存在局限。


例如,对于用户提出的“请从去年签订的合同中找出与A公司相关的条款,并说明该条款与哪些产品供应问题相联系”的请求,现有RAG需要分别构建多种数据库,再在应用程序层整合结果。这也导致管理复杂、响应变慢等问题。


AI生成图片。KAIST供图

AI生成图片。KAIST供图

View original image

与此不同,研究团队通过Omni RAG实现了在同一查询与执行计划中统一完成向量相似度检索、图遍历以及关系型过滤等操作。Omni RAG可同时利用文档的语义信息、知识图谱的关系信息以及表格数据的结构化条件,从而找出更准确的依据,并降低人工智能的幻觉现象。


在这一过程中,AkasicDB采用了将向量、图、关系型数据库整合为单一引擎的新结构,可将结合向量检索、图遍历、关系型过滤的复杂RAG查询,用单一结构化查询语言/图查询语言(Structured Query Language/Graph Query Language,SQL/GQL)表达,并通过单一执行计划进行优化处理。


SQL/GQL是用于检索或修改数据库中存储信息的命令语言。其中,SQL用于处理表格形式的数据,GQL则是用于分析人物、企业、产品等实体间连接关系的图数据专用语言。


最终,AkasicDB通过尽量减少不必要的中间结果生成和数据移动,降低了大型语言模型的令牌使用量,并缩短了响应延迟时间。


研究团队在实验中实际确认,现有系统中最长需21.3秒的复杂检索查询,使用AkasicDB后可在“1秒以内”完成处理,相当于实现了20倍以上的性能提升。


Omni RAG的表现也显示,其回答准确率较现有RAG最高提升78%。研究团队表示,这有望成为解决企业级人工智能智能体所面临核心课题“幻觉问题”的突破口。


Kim教授表示:“要让人工智能智能体准确理解并利用企业海量数据,就需要能够在单一系统中整合处理多类数据的数据基础设施。”他还称:“从这一角度看,AkasicDB今后有望在国防、制造、金融、法律、科学技术等对高度可靠性有要求的领域,被用作核心数据基础设施。”



另据介绍,此次研究由韩国科学技术院计算机系博士研究生Lee Geonho作为第一作者参与。研究成果已于本月2日在数据库领域国际学术会议“ACM SIGMOD 2026”上以演示论文形式发表。


本报道由人工智能(AI)翻译技术生成。

版权所有 © 阿视亚经济。未经许可不得转载,禁止用于AI训练及使用。

不容错过的热点