본 논문은 구조화된 지식으로 대규모 언어 모델(LLM)을 향상시키는 데 잠재력을 보이는 그래프 기반 검색 증강 생성(Graph-based RAG)의 한계를 극복하기 위해 제안된 AGRAG 프레임워크에 대해 설명합니다. 기존 방법론의 문제점인 부정확한 그래프 구성, 낮은 추론 능력, 부적절한 답변을 해결하기 위해, AGRAG는 통계 기반 방법을 사용하여 그래프를 구축하고, 최소 비용 최대 영향(MCMI) 하위 그래프 생성 문제를 통해 추론 과정을 공식화하여 보다 포괄적인 추론 경로를 생성합니다.
