当前的大型语言模型 (LLMs) 虽然在知识存储方面取得了显著进展，但仍然缺乏高效整合新知识的能力。传统的检索增强生成 (RAG) 方法虽然允许向静态模型中添加新知识，但仍然无法有效地跨段落整合信息。为了解决这一问题，本文提出了 HippoRAG，一个受人类长期记忆中海马体索引理论启发的检索框架，旨在实现更深入、更高效的知识整合。
代码链接：github.com/OSU-NLP-Gro...
以下带来本篇论文的精读和分析，请注意，本文内容仅为部分概述和初步理解。为了确保信息的准确性和完整性，强烈建议各位朋友查阅并阅读原文，以获得最详尽的论述和实验分析。
一、原文摘要
为了在充满挑战且瞬息万变的自然环境中茁壮成长，哺乳动物的大脑进化出了存储大量世界知识的能力，并能持续整合新信息，同时避免灾难性遗忘。尽管大型语言模型（LLMs）已经取得了显著成就，但即便是结合了检索增强生成（RAG）技术的大型语言模型，在预训练后仍难以高效、有效地整合大量新经验。
在本研究中，我们提出了一种名为HippoRAG的新型检索框架。该框架受人类长期记忆中海马索引理论的启发，旨在实现对新经验中知识的更深层次、更高效整合。
HippoRAG协同整合了大型语言模型、知识图谱和个性化PageRank算法，以模拟人类记忆中新皮层与海马体的不同作用。我们通过多跳问答任务将HippoRAG与现有的RAG方法进行了比较，结果显示，我们的方法性能卓越，超越当前最先进技术高达20%。HippoRAG的单步检索性能与IRCoT等迭代检索方法相当或更优，而其成本却降低了10-30倍，速度提升了6-13倍。将HippoRAG整合到IRCoT中，还能带来进一步的显著增益。最后，我们证明了该方法能够解决现有方法无法应对的新型场景问题。
二、解决的问题
传统的信息检索方法在处理多步骤检索任务时，存在效率低下、效果不佳的问题。这是因为它们往往只关注当前步骤的检索结果，而忽略了前后步骤之间的关联性和连续性。
HippoRAG模型旨在解决LLMs在整合新信息和长期记忆方面存在的问题。具体来说，它解决了以下几个关键问题：
- 多步骤推理和分散信息整合的局限性：传统的RAG方法在多步骤推理和整合分散信息方面存在局限性，尤其是在处理复杂领域（如医学、法律和科学）中的信息时。HippoRAG通过结合知识图谱和个性化PageRank算法，能够更有效地找到和整合语料库中的相关信息。
- 灾难性遗忘：LLMs在整合新信息时，往往会忘记之前获得的知识，导致灾难性遗忘。HippoRAG通过模仿人类大脑的记忆机制，能够在不断更新的环境中保持长期记忆。
- 迭代检索的效率和成本：传统的迭代检索方法（如IRCoT）在效率和成本方面存在不足。HippoRAG通过单步检索实现了与迭代检索相当或更好的性能，同时大大降低了成本和提高了速度。
三、方法
3.0、海马体记忆索引理论
人类大脑在检索信息时展现出卓越的能力，它能够高效地利用长期记忆中的丰富知识和经验，完成复杂的多步骤检索任务。
海马体，作为大脑中的关键结构，承担着形成和存储情景记忆的重要角色。它不仅接收、处理来自大脑各区域的信息，还特别擅长存储与情感、空间和时间相关的记忆。海马体的功能类似于记忆的中转站或索引系统，它协助大脑将短期记忆转化为长期记忆，从而在新皮质中稳固存储。
海马记忆索引理论进一步阐释了记忆的巩固过程，即短期记忆是如何转化为长期记忆的。在这个过程中，海马体发挥着至关重要的作用，它通过不断激活记忆路径来强化记忆痕迹，确保记忆在新皮质中的稳定存储。
例如，想找到斯坦福教授托马斯进行阿尔茨海默症研究的记录，传统 RAG 可能难以完成此任务，除非有段落同时提到斯坦福和阿尔茨海默症。然而人类则能通过联想记忆迅速联想到这两点。这就是 HippoRAG 的灵感来源。
3.1、原理总述
HippoRAG方法的原理主要基于人类大脑的长期记忆机制。人类大脑在记忆信息时，会将信息存储在长期记忆中，并通过神经网络的连接实现信息的关联和整合。当需要检索信息时，大脑会根据当前的需求和上下文信息，在长期记忆中快速定位到相关信息，并通过神经网络的连接实现信息的提取和呈现。
HippoRAG方法借鉴了人类大脑的这一记忆机制，通过构建知识的长期记忆存储（离线索引阶段）和模拟人类大脑的信息检索过程（在线检索阶段），实现了多步骤检索任务的高效处理。
具体来说，HippoRAG方法将知识存储为结构化的知识图谱，并利用索引技术实现快速检索。同时，通过个性化页面排名（PPR）算法对检索结果进行排序和呈现，进一步提高了检索结果的准确性和相关性。
在HippoRAG方法中，知识的存储和检索都是基于大型语言模型（LLM）和开放信息抽取（OpenIE）技术的。这些技术能够实现对文本信息的自动化处理和结构化存储，为HippoRAG方法的高效检索提供了有力支持。同时，HippoRAG方法还充分利用了人类大脑的记忆机制和神经网络的连接特性，实现了对复杂信息的快速准确检索和处理。
3.2、离线索引阶段
HippoRAG的离线索引阶段类似于记忆编码过程，使用一个指令调整的大型语言模型（LLM）作为人工新皮层，通过开放信息提取（OpenIE）从检索语料库中的篇章中提取知识图谱（KG）三元组。这个过程提取出篇章中的显著信号作为离散名词短语，而不是密集的向量表示，从而实现更细粒度的模式分离。
离线索引阶段是HippoRAG方法的基础，它主要负责构建知识的长期记忆存储。具体来说，该阶段包括以下几个步骤：
- 文本预处理：对输入的文本进行预处理，包括分词、去除停用词等，以提取出有意义的文本信息。
- 命名实体识别（NER） ：利用大型语言模型（LLM）对预处理后的文本进行命名实体识别，提取出文本中的关键实体信息。这些实体信息将作为后续步骤的检索依据。
- 开放信息抽取（OpenIE） ：对文本进行开放信息抽取，提取出文本中的三元组信息（主语-谓语-宾语）。这些信息将用于构建知识图谱（KG），以便在后续步骤中进行知识推理和检索。知识图谱构建：将提取出的三元组信息整合到知识图谱中，形成
- 结构化的知识存储。这样，文本中的信息就被转化为了结构化的知识，便于后续的知识推理和检索。
- 索引构建：对知识图谱中的实体和关系进行索引构建，以便在在线检索阶段能够快速定位到相关信息。
在离线索引阶段，HippoRAG方法充分利用了大型语言模型（LLM）和开放信息抽取（OpenIE）技术的优势，实现了知识的结构化存储和快速检索。同时，通过构建知识图谱，HippoRAG方法还实现了跨文本的知识整合和推理，为在线检索阶段的高效检索提供了有力支持。
3.3、在线检索阶段
在线检索阶段是HippoRAG方法的核心，它主要负责根据用户查询快速准确地检索相关信息。具体来说，该阶段包括以下几个步骤：
- 查询命名实体识别（Query NER） ：对用户查询进行命名实体识别，提取出查询中的关键实体信息。这些实体信息将作为后续步骤的检索依据。
- 查询节点检索：利用索引构建阶段得到的知识图谱索引，根据查询中的实体信息在知识图谱中检索相关的节点和关系。这一步骤实现了从用户查询到知识图谱中相关信息的快速映射。
- 个性化页面排名（PPR）算法：对检索到的节点和关系进行排序，以提高检索结果的准确性和相关性。PPR算法通过模拟人类大脑中的信息检索过程，根据节点之间的关联性和重要性对检索结果进行排序。
- 检索结果生成：根据排序后的节点和关系，生成最终的检索结果。这些结果包括与查询相关的文本片段、三元组信息等，便于用户进一步了解和理解相关信息。
- 在线检索阶段，HippoRAG方法充分利用了个性化页面排名（PPR）算法的优势，实现了检索结果的准确排序和高效呈现。同时，通过结合离线索引阶段得到的知识图谱索引和结构化知识存储，HippoRAG方法还实现了跨文本的知识检索和整合，进一步提高了检索结果的准确性和相关性。
四、实验
为了验证HippoRAG方法的有效性和性能，HippoRAG 在两个流行的多跳问答基准数据集 MuSiQue 和 2WikiMultiHopQA 上进行了评估，并与现有的 RAG 方法进行了比较。实验主要包括以下几个方面：
4.1、单-多步骤检索性能实验
将HippoRAG方法与传统的多步骤检索方法（如IRCoT）进行比较，评估其在多步骤检索任务中的性能。实验结果表明，HippoRAG方法在多步骤检索任务中取得了显著的性能提升，尤其是在处理复杂的多步骤检索任务时表现出色。
4.2、问题回答（QA）性能实验
将HippoRAG方法应用于问题回答任务中，评估其在QA任务中的性能。实验结果表明，HippoRAG方法在QA任务中也取得了显著的性能提升，特别是在处理需要跨文本知识整合和推理的问题时表现出色。
4.3、消融实验
五、简单总结
尽管大型语言模型（LLMs）已经取得了显著成就，但即便是结合了检索增强生成（RAG）技术的大型语言模型，在预训练后仍难以高效、有效地整合大量新经验。
基于此，HippoRAG协同整合了大型语言模型、知识图谱和个性化PageRank算法，以模拟人类记忆中新皮层与海马体的不同作用，综合来讲，这是一个有效的 RAG 框架，可以模拟人类大脑中的记忆机制，实现更深入、更高效的知识整合。HippoRAG 在多跳问答任务中表现出色，并具有处理新场景的潜力。
六、一点灵感
- 认知科学与 AI：HippoRAG方法的成功之处在于它结合了神经生物学理论和大型语言模型技术，说不定可以更多地借鉴人类的认知过程和思维方式，以构建更加智能、高效和人性化的系统。
- 长期记忆的模拟：文章中对长期记忆的模拟引发了关于如何在 AI 中实现持久记忆的思考。这对于开发能够进行长期学习、适应和进化的人工智能系统具有重要的启发意义。
- 跨模态：当前HippoRAG方法仍主要关注文本信息，但在实际应用中，用户可能需要检索多种类型的信息，如图片、视频、音频等。因此，未来可以探索将HippoRAG方法扩展到跨模态信息检索领域，实现文本、图像、声音等多种类型信息的统一检索和处理。