CogitoRAG: KI nutzt menschliche Gedächtnismechanismen für präzisere Antworten

Ein neues Retrieval‑Augmented‑Generation‑Framework namens CogitoRAG verspricht, die häufig auftretenden Halluzinationen von großen Sprachmodellen deutlich zu reduzieren. Das System übernimmt dabei die Funktionsweise des menschlichen episodischen Gedächtnisses und nutzt sie, um externe Wissensquellen präziser zu integrieren.

Im Offline‑Indexierungsprozess wandelt CogitoRAG unstrukturierte Textkorpora in sogenannte „Semantic Gist“-Speicher um. Diese Gist‑Daten werden anschließend in ein mehrdimensionales Wissensgraphen‑Modell überführt, das Entitäten, relationale Fakten und Gedächtnis‑Knoten miteinander verknüpft.

Während der Online‑Retrieval‑Phase zerlegt ein Query‑Decomposition‑Modul komplexe Anfragen in verständliche Teilfragen, ähnlich wie Menschen bei schwierigen Informationsaufgaben vorgehen. Anschließend führt ein Entity‑Diffusion‑Modul assoziative Suchen im Graphen durch, wobei die Relevanz der Struktur und ein Häufigkeits‑Belohnungsmechanismus berücksichtigt werden.

Zur Feinabstimmung der Ergebnisse nutzt CogitoRAG den CogniRank‑Algorithmus, der die aus der Diffusion gewonnenen Scores mit semantischer Ähnlichkeit kombiniert und so die besten Passage‑Kandidaten exakt neu bewertet.

Die finalen Belege werden dem Generator in einem Passage‑Memory‑Paar‑Format übergeben, wodurch eine hochdichte Informationsunterstützung gewährleistet ist.

Experimentelle Tests auf fünf führenden Frage‑Antwort‑Benchmarks sowie auf der GraphBench‑Multi‑Task‑Generation zeigen, dass CogitoRAG die bisherigen Leistungen deutlich übertrifft.

Mit dieser Kombination aus menschlich inspiriertem Gedächtnis, strukturiertem Wissensgraphen und fortschrittlicher Reranking‑Logik eröffnet CogitoRAG neue Perspektiven für die Entwicklung zuverlässigerer KI‑Anwendungen.