ИССЛЕДОВАНИЕ · RESEARCH · #823
Навигация по доказательствам на графе улучшает рассуждение локальной 9B-модели по романам (экспериментальный доклад arXiv)
Препринт на arXiv (arXiv:2609.22939v1) исследует, может ли «замороженный» граф знаний помочь локальной 9B-модели (qwen3.5:9b) отвечать на вопросы по длинным романам. По набору из 30 детективных романов и 234 вопросов лучший графовый маршрут показал 53,85% точности против 46,15% у окна недавних контекстов и примерно 51% у сжатия всей книги и векторного поиска; однако ни одно из 15 сравнений графов с базами не прошло поправку Холма, поэтому авторы рассматривают результаты как предварительные. Более устойчивые выводы: аннотированные улики концентрируются в топологическом ядре графов (2,35×) и два конвейера построения графов сильно различаются по покрытию абзацев (16% против 73%), что указывает на узкие места в пайплайне.
КЛЮЧЕВЫЕ ТЕЗИСЫ
- Препринт на arXiv (arXiv:2609.22939v1) исследует, может ли «замороженный» граф знаний помочь локальной 9B-модели (qwen3.5:9b) отвечать на вопросы по длинным романам.
- По набору из 30 детективных романов и 234 вопросов лучший графовый маршрут показал 53,85% точности против 46,15% у окна недавних контекстов и примерно 51% у сжатия всей книги и векторного поиска; однако ни одно из 15 сравнений графов с базами не прошло поправку Холма, поэтому авторы рассматривают результаты как предварительные.
- Более устойчивые выводы: аннотированные улики концентрируются в топологическом ядре графов (2,35×) и два конвейера построения графов сильно различаются по покрытию абзацев (16% против 73%), что указывает на узкие места в пайплайне.
ПОЧЕМУ ЭТО ВАЖНО
Работа даёт предварительные доказательства, что «замороженный» граф знаний может дать небольшой локальной LLM доступ к далеко разнесённым уликам в книге, и подчёркивает значимость аннотаций и узких мест в пайплайнах, влияющих на эффективность графовых методов.