HippoRAG是一个启发自人类长期记忆的新型检索增强生成(RAG)框架，它使得大型语言模型(LLMs)能够持续地整合跨外部文档的知识。该框架通过实验表明，HippoRAG能够以更低的计算成本提供通常需要昂贵且高延迟迭代LLM流水线的RAG系统能力。
需求人群： "HippoRAG面向自然语言处理(NLP)领域的研究人员和开发者，特别是那些对大型语言模型的持续知识整合感兴趣的群体。它为开发更智能、更高效的AI系统提供了一个强大的工具，能够帮助他们构建能够理解和生成自然语言的复杂应用。" 使用场景示例： 用于构建能够回答复杂问题的问答系统在多跳问答任务中整合跨文档信息以提供准确答案作为研究项目的一部分，探索人类长期记忆在机器学习中的应用 产品特色： 支持大型语言模型持续整合外部文档知识基于神经生物学原理设计，模拟人类长期记忆通过LangChain调用不同的在线LLM API或离线LLM部署提供多种检索策略，包括预定义查询和API集成支持与IRCoT集成，实现互补性能提升提供详细的环境设置和使用指南，方便用户快速上手包含所有必要的数据和脚本，以复现论文中的实验结果 使用教程： 创建conda环境并安装依赖设置数据集，按照指定格式准备检索语料库和查询文件通过LangChain集成不同的在线或离线大型语言模型执行索引过程，为检索语料库创建索引运行检索，使用HippoRAG进行在线检索或集成到API中复现论文中的实验，验证HippoRAG的性能和效果 展开 浏览量：25 s1785318098921236 打开站点
