3,583 papers
arXiv:2510.05524 76 7 окт. 2025 г. PRO

KEO: Knowledge Graph vs Text Chunks — какой RAG для каких задач

КЛЮЧЕВАЯ СУТЬ
RAG-системы стоят перед выбором: искать по графу знаний или по кускам текста? Большинство думают «граф = всегда лучше», но исследование KEO показывает обратное. Метод позволяет выбрать правильный подход под тип задачи: граф знаний даёт +15-20% для поиска паттернов по всему датасету («какие сезонные тренды в отказах электрики?»), но проигрывает обычным кускам текста на точных процедурных вопросах («что делать при вибрации насоса?»). Фишка: граф показывает связи между понятиями (A вызывает B, B часть C, C происходит зимой), но теряет детали инструкций. Chunks возвращают релевантный фрагмент напрямую — для how-to это точнее.
Адаптировать под запрос
📋 Дайджест исследования

Контент доступен только для PRO подписчиков

Чтобы получить доступ к дайджесту этого исследования, оформите PRO подписку

💳 Оплатить через Геткурс
YandexPay • SberPay • СБП • Карты РФ
⚡ Оплатить через Tribute
Telegram Stars • Моментальный доступ
Узнать о PRO

Контент доступен только для PRO подписчиков

Чтобы получить доступ к концептам этого исследования, оформите PRO подписку

💳 Оплатить через Геткурс
YandexPay • SberPay • СБП • Карты РФ
⚡ Оплатить через Tribute
Telegram Stars • Моментальный доступ
Узнать о PRO
📖 Простыми словами

Контент доступен только для PRO подписчиков

Чтобы получить доступ к упрощённому объяснению этого исследования, оформите PRO подписку

💳 Оплатить через Геткурс
YandexPay • SberPay • СБП • Карты РФ
⚡ Оплатить через Tribute
Telegram Stars • Моментальный доступ
Узнать о PRO

Работа с исследованием

Адаптируйте исследование под ваши задачи или создайте готовый промпт на основе техник из исследования.

0 / 2000
~0.5-2 N-токенов ~10-30с
~0.3-1 N-токенов ~5-15с