以下是关于 GraphRAG 的相关论文信息：
在社区摘要应用中，GraphRAG 在全面性和多样性上以 70 – 80%的胜率大幅领先于传统 RAG。GraphRAG 是一种基于图的 RAG 工具，能够通过 LLM 从文档集合中自动提取丰富的知识图谱，有助于处理私有或未知数据集的问答。它可以通过检测图中的“社区”（即密集连接的节点群组），从高层主题到低层话题，层次化地划分数据的语义结构。并且能利用 LLM 为这些社区生成摘要，提供对数据集的全面概览，无需事先设定问题，尤其适合回答全局性问题。
微软前几天发布的 GraphRAG 架构非常厉害，但是具体的原理和内容可能不太好理解。Neo4j 的 CTO 写了一篇详细的文章《GraphRAG 宣言：为 GenAI 增加知识》，通俗易懂地介绍了 GraphRAG 的原理、与传统 RAG 的区别、GraphRAG 的优势、知识图谱的创建和利用知识图谱工作。
