Архитектурные пороки RAG: почему связанный граф данных хромает в точности цитирования
Новое исследование из arXiv, проведенное в формате тройной робастности, показывает, что проблема избыточного цитирования (over-citation) является универсальным архитектурным недостатком подхода GraphRAG. Независимо от используемого векторного индекса или корпуса данных, система склонна выдавать от 11 до 15 ссылок на ответ, что резко снижает точность подтверждения фактов при поиске в многоступенчатых цепочках.
# Универсальные патологии GraphRAG: почему граф знаний теряет точность
Новейшие научные данные, опубликованные в мае 2026 года, бросают вызов популярному предположению о том, что внедрение графовых баз знаний автоматически улучшает качество ретривинга в больших языковых моделях. Исследование от группы исследователей Meftun Akarsu и Burak Ozdemir, зарегистрированное под идентификатором arXiv:2608.05153, демонстрирует, что проблемы точности цитирования в системах GraphRAG носят фундаментальный характер.
Авторы провели масштабное тестирование, варьируя три независимые переменные: тип векторного эмбеддера, состав корпуса данных и метод оценки достоверности (judge). Результаты 4 440 экспериментов указывают на системную неэффективность графовых подходов в задачах, требующих точного указания источников.