GLM-RAG: Graph Language Models for Graph-Based Retrieval-Augmented Generation

• 类型：arxiv
• 标识：2607.28397
• 链接：http://arxiv.org/abs/2607.28397v1
• 主分类：rag
• 形态：method
• 被引：0
• 被引来源：Semantic Scholar + OpenAlex
• S2被引：0
• OpenAlex被引：0
• 影响力被引：0
• TLDR：This work introduces a GLM-based retriever and investigates the comparative strengths of GLM-based, GNN-based, and traditional vector-search-based retrievers in single- and multi-hop RAG settings, and suggests that finetuned GLM retrievers generalize better out of domain.
• OpenAlex ID：W7172031385
• OpenAlex DOI：10.48550/arxiv.2607.28397
• DOI：10.48550/arxiv.2607.28397
• DOI来源：OpenAlex
• 开放获取：green
• 开放获取链接：https://doi.org/10.48550/arxiv.2607.28397
• OpenAlex更新：2026-08-26
• 待LLM分类：否
• 标题中文：GLM-RAG：面向图基 RAG 的图语言模型
• TLDR中文：引入一个基于 GLM 的 retriever，并在单跳与多跳 RAG 场景下对比分析 GLM-based、GNN-based 与传统向量检索 retriever 的相对优势，指出微调后的 GLM retriever 具有更好的跨域泛化能力。
• 来源文件：
• /inbox/tom/_candidates/2026-07-31-agent-rag-longcontext-candidates.json
• /inbox/tom/_candidates/2026-08-01-agent-rag-longcontext-candidates.json
• /inbox/tom/_candidates/2026-08-02-agent-rag-longcontext-candidates.json
• /inbox/tom/_candidates/2026-08-03-agent-rag-longcontext-candidates.json
• [S2 enrich]
• [OpenAlex backfill]