ArcRAG می‌کوشد بازیابی از گراف دانش را مستقل از شیوهٔ ساخت گراف کند

بازیابی تقویت‌شده با تولید بر پایهٔ گراف دانش معمولاً به ساختار گرافی وابسته است که خط لولهٔ ساخت آن تولید می‌کند. پژوهشگران ArcRAG را برای بررسی این وابستگی معرفی کرده‌اند: سامانه‌ای که هنگام پاسخ‌گویی، از موجودیت‌های نام‌برده‌شده در پرسش آغاز می‌کند و برچسب گره‌ها، توصیف رابطه‌ها و کلیدهای ویژگیِ در دسترس را به‌عنوان یک رابط محلی شناسایی می‌کند. سپس مسیرهای چندمرحله‌ای را برنامه‌ریزی و با Cypher اجرا یا اصلاح می‌کند.

در ارزیابی، سه مجموعه‌دادهٔ MuSiQue، HotpotQA و TriviaQA به دو شکل به گراف تبدیل شدند: گراف‌های schema-guided با گره‌های نوع‌دار، مجموعهٔ بسته‌ای از رابطه‌ها و منشأ داده؛ و گراف‌های استخراج اطلاعاتِ باز با گره‌های بدون نوع و رابطه‌های متن‌آزاد. تنظیمات بازیاب در هر دو حالت ثابت ماند. پژوهشگران ArcRAG را با یک عامل Direct-Cypher مستقل از شیوهٔ ساخت مقایسه کردند و مراحل سامانه را نیز در بودجه‌های متفاوتِ تلاش مجدد و گذر بررسی کردند.

بر اساس پیش‌چاپ، ArcRAG در هر دو نوع ساخت گراف توانست بدون schema، نام رابطه یا تنظیم اختصاصیِ همان روش ساخت، مؤثر بماند. بااین‌حال، شیوهٔ ساخت گراف همچنان بر دقت مطلق اثر می‌گذاشت. نویسندگان همچنین یادآور می‌شوند که بیشتر سامانه‌های GraphRAG پیشین، بازیابی را هم‌زمان با روش ساخت گراف خود طراحی کرده‌اند؛ بنابراین مقایسه با نتایج گزارش‌شدهٔ آن‌ها باید در همین زمینه دیده شود.