arXiv · cs.AI· Federica Santi (Cognee Inc), Vasilije Markovi\'{c} (Cognee Inc), Daniel Scott (Cognee Inc), Lazar Obradovi\'{c} (Cognee Inc)·· 11 小时前
Cognee研究比较无查询时图访问的图修改嵌入检索策略
Graph-free Retrieval with Graph-Modified Embeddings
arXiv:2610.18410v1阅读论文 PDF ↗
仅依据论文摘要整理；未读取全文，实验条件、证明与基准细节请核对原文。
作者：Federica Santi (Cognee Inc), Vasilije Markovi\'{c} (Cognee Inc), Daniel Scott (Cognee Inc), Lazar Obradovi\'{c} (Cognee Inc)
研究任务与主要进展
研究比较了五种离线图嵌入变换及其与原始嵌入结合的策略，用于无需查询时访问图结构的证据检索。在证据集合完整的合成职业网络基准上，最强多阶段策略相对纯向量检索将证据召回率最高提高25.9%，并在返回节点减少40%时匹配基线召回率；控制实验表明，图信息本身带来了额外收益。
阶段、条件与复现 · 深读核对
- 新能力对应什么具体任务与最小输入输出？
- 代码、模型、数据、许可与可用入口是否明确？
- 效果、总成本、失效条件与实际工作流如何验证？
这些是阅读核对问题；材料未说明的条件保留未知。请结合上方论文版本、资料范围与原文核验。
来源：arXiv · cs.AI · arxiv.org