2025年12月13日学术报告

报告题目1：向量检索——现代人工智能搜索的基石

报告题目2：知识图谱增强的RAG——构建更智能、透明、可靠的AI系统 

报告人：黄彪，阿尔伯塔大学  

报告时间：2025年12月13日 13:30

报告地点：B222

报告1简介：

向量检索代表了信息搜索与发现方式的范式转变，它超越了传统的关键词匹配，实现了真正的语义理解。本次演讲将深入探讨支撑当今最先进人工智能应用的向量搜索系统的核心原理、架构与实践部署。我们将首先回顾从布尔检索、统计检索方法到现代基于嵌入技术的演进历程。演讲将深入解析文本、图像及其他数据类型如何转化为捕捉语义的高维向量，并揭示数学相似性度量如何帮助我们找到概念相关的内容，而非仅仅是文本表面的匹配。演讲最后将分享实施的最佳实践、性能优化策略，以及对未来智能信息检索发展趋势的前瞻性见解。

报告2简介：

检索增强生成（RAG）技术彻底改变了大型语言模型访问和利用外部知识的方式。然而，传统的RAG系统面临着显著局限，包括语义鸿沟、上下文碎片化、幻觉风险以及有限的推理能力。本次演讲将介绍一项突破性方法——知识图谱增强的RAG，它将结构化知识表示与生成式AI深度整合。我们将探讨知识图谱——以其明确的实体、关系和语义结构——如何通过实现关系感知检索、多跳推理和透明的溯源跟踪来增强RAG系统。内容涵盖将图遍历与向量搜索相结合的混合架构、实际实施方案，以及可量化的效益，包括减少幻觉、提高准确性和增强可解释性。通过医药、医疗健康、企业知识管理和科学研究等领域的真实案例，我们将展示知识图谱增强的RAG如何交付更精准、可靠和可解释的AI系统。演讲最后将提供实用的实施路线图、技术栈推荐，以及对结构化智能在AI应用中未来发展的前瞻性见解。