3,583 papers
arXiv:2511.05406 73 7 нояб. 2025 г. PRO

Explainable RAG: извлечение графа связей для прозрачности ответов

КЛЮЧЕВАЯ СУТЬ
Проблема: Загрузил документ в ChatGPT, задал вопрос — получил ответ. Но не видишь на каких фрагментах он построен, как модель связала информацию, где могла ошибиться. Классический RAG работает как черный ящик. Explainable RAG позволяет видеть карту рассуждений модели — какие связи она извлекла из документа и как построила на них ответ. Двухшаговый промпт разделяет процесс: сначала модель извлекает структурированные связи в JSON ("BOLA" → "позволяет" → "атаковать API"), потом на их основе отвечает. Получаешь не только ответ, но и прозрачную логику — можешь проверить, скорректировать, найти пробелы.
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