基于超图记忆的用于多步RAG

本文解决了现有记忆机制在多步检索增强生成（RAG）系统中的局限性。它提出了一种基于超图的记忆（HGMem），以捕捉事实之间的高阶相关性，从而在长上下文任务中改进推理和全局理解。核心思想是从被动存储转向促进复杂推理和知识演化的动态结构。

• •提出了HGMem，一种用于多步RAG的基于超图的记忆机制。
• •HGMem捕捉事实之间的高阶相关性。
• •在长上下文任务中改进推理和全局理解。
• •在具有挑战性的数据集上优于强大的基线系统。