MemoRAG是一个建立在高效、超长记忆模型之上的创新 RAG（Retrieval-Augmented Generation）框架，由智源研究院（北京人工智能研究院）与中国人民大学高瓴人工智能学院联合推出并开源。

MemoRAG：通过记忆启发的知识发现迈向下一代RAG，为 RAG 提供基于内存的数据接口，适用于多种用途的应用程序！

MemoRAG与主要处理具有明确信息需求查询的标准 RAG 不同，MemoRAG利用其记忆模型实现对整个数据库的全局理解。通过从记忆中回忆与查询相关的线索，MemoRAG增强了证据检索，从而产生更准确、更丰富的上下文响应。

在处理需要对整个数据库进行高级理解的查询时，标准RAG与MemoRAG之间的比较，以《哈利·波特》书籍作为数据库。左侧图，由于输入查询的隐含性质，标准RAG难以准确定位所需的证据，导致答案不够准确。右侧图，MemoRAG构建了覆盖整个数据库的全局记忆。当提出查询时，MemoRAG 首先回忆相关线索，使有用的信息得以检索，从而得到一个精确且全面的答案。

MemoRAG特点

• 全局记忆：在单个上下文中处理高达100万个token，为庞大的数据集提供全面的了解。 

• 可优化与灵活：轻松适应新任务，仅需几个小时的额外训练即可实现优化性能。 

• 上下文线索：从全局记忆中生成精确线索，将原始输入与答案连接起来，并从复杂数据中解锁隐藏的洞察。 

• 高效缓存：通过支持缓存分块、索引和编码，将上下文预填充速度提高多达30倍。 

• 上下文重用：一次性编码长上下文，并支持重复使用，提高需要重复数据访问的任务的效率。

在三个基准上测试了MemoRAG，使用了三种不同的生成器（Llama3-8B-Instruct-8K、Phi-3-mini-128K、Mistral-7B-Instruct-v0.2-32K），得出以下结论： 

主要实验结果。每个版块中最好的结果以粗体显示。这些实验中使用的记忆模型是基于 Mistral-7B-Instruct-v0.2-32K 训练的，可在 HuggingFace 上获取。

• MemoRAG 在所有数据集上的表现都超过了所有基线模型，展示了其强大的领域泛化能力。 

• 直接将完整上下文输入到大型语言模型（LLMs）通常比其他 RAG 方法（BGE-M3、Stella-v5 和 HyDE）表现更好。这一发现揭示了标准 RAG 系统在处理长上下文和高级问题方面的困难。 

• 相比之下，MemoRAG 一贯超越了直接使用完整上下文的性能，展示了其有效弥合处理超长上下文和解决复杂任务之间差距的能力。

• MemoRAG 在三个领域内数据集上展示了卓越的性能，这表明其潜力可以通过更多样化的训练数据进一步增强。

MemoRAG使用

可以直接用 HuggingFace 模型初始化。通过该MemoRAG.memorize()方法，记忆模型可以在较长的输入上下文中构建全局记忆。

• TommyChien/memorag-qwen2-7b-inst可以处理最多400K个token的上下文，

• TommyChien/memorag-mistral-7b-inst可以管理最多128K个token的上下文。

• 通过增加参数beacon_ratio，可以扩展模型处理更长上下文的能力。例如，TommyChien/memorag-qwen2-7b-inst可以处理最多一百万个token beacon_ratio=16。

from memorag import MemoRAG
# Initialize MemoRAG pipelinepipe = MemoRAG(    mem_model_name_or_path="TommyChien/memorag-mistral-7b-inst",    ret_model_name_or_path="BAAI/bge-m3",     gen_model_name_or_path="mistralai/Mistral-7B-Instruct-v0.2", # Optional: if not specify, use memery model as the generator    cache_dir="path_to_model_cache",  # Optional: specify local model cache directory    access_token="hugging_face_access_token",  # Optional: Hugging Face access token    beacon_ratio=4)
context = open("examples/harry_potter.txt").read()query = "How many times is the Chamber of Secrets opened in the book?"
# Memorize the context and save to cachepipe.memorize(context, save_dir="cache/harry_potter/", print_stats=True)
# Generate response using the memorized contextres = pipe(context=context, query=query, task_type="memorag", max_new_tokens=256)print(f"MemoRAG generated answer: \n{res}")

运行上述代码时，编码后的键值 (KV) 缓存、Faiss 索引和分块段落都存储在指定的 中save_dir。之后，如果再次使用相同的上下文，则可以快速从磁盘加载数据：

pipe.load("cache/harry_potter/", print_stats=True)

通常，加载缓存权重非常高效。例如，使用内存模型对200K令牌上下文进行编码、分块和索引大约需要35秒，但从缓存文件加载时只需1.5秒。

摘要任务

要执行摘要任务，请使用以下脚本：

res = pipe(context=context, task_type="summarize", max_new_tokens=512)print(f"MemoRAG summary of the full book:\n {res}")

https://github.com/qhjqhj00/MemoRAGhttps://arxiv.org/pdf/2409.05591MemoRAG: Moving Towards Next-Gen RAG Via Memory-Inspired Knowledge Discovery

来源 | PaperAgent

RAG专栏20

RAG专栏 · 目录

上一篇一个全面、先进、公平且模块化的开源RAG框架