最近，来自黑石和英伟达的研究团队提出了一种名为 “混合检索增强生成（HybridRAG）” 的新技术，提升了金融分析的效率。金融文件通常术语繁多、格式复杂，传统的检索方法难以快速准确地提取关键信息。HybridRAG 技术结合了基于向量数据库的检索增强生成（VectorRAG）和基于知识图谱的检索增强生成（GraphRAG）的优势，将文档内容分割得更加细致，并让模型学习概念的解释与互相之间的联系，从而从复杂的金融文件中提取关键信息。
研究团队通过实验对比了三种方法的性能，数据来自一组财务盈利电话会议记录，这些文档通常采用问答（Q&A）格式，方便评估模型性能。结果显示，HybridRAG 在信息检索和答案生成方面均优于单独使用 VectorRAG 或 GraphRAG。这种方法也可以用于其他需要处理复杂专业文件的领域。
HybridRAG 技术的核心在于将 VectorRAG 和 GraphRAG 两种技术的优势结合起来，以实现更高效的金融文件检索和分析。VectorRAG 基于向量数据库，通过将文档内容转化为向量形式进行检索，能够快速找到与查询相关的内容。GraphRAG 则利用知识图谱，将文档中的概念和关系结构化，便于模型理解和生成更准确的答案。
HybridRAG 通过以下几个步骤实现其功能：
- ** 文档分割 **：将金融文件分割成更小的片段，使得每个片段都包含相对独立的信息。这一步骤有助于提高检索的精度和效率。
- ** 向量化处理 **：利用 VectorRAG 技术，将每个文档片段转化为向量形式，存储在向量数据库中。这样可以快速进行相似度计算，找到与查询最相关的片段。
- ** 知识图谱构建 **：利用 GraphRAG 技术，将文档中的概念和关系结构化，构建知识图谱。知识图谱能够帮助模型理解文档中的复杂关系，从而生成更准确的答案。
- ** 混合检索 **：在进行查询时，HybridRAG 首先利用向量数据库进行初步检索，找到与查询相关的文档片段。然后，利用知识图谱对这些片段进行进一步分析，提取出关键信息并生成答案。
实验数据表明，HybridRAG 在信息检索的准确率上达到了 85%，而单独使用 VectorRAG 和 GraphRAG 的准确率分别为 75% 和 78%。在答案生成方面，HybridRAG 的准确率为 82%，高于 VectorRAG 的 70% 和 GraphRAG 的 74%。
在金融分析中，HybridRAG 可以用于处理各种复杂的金融文件，如财务报告、盈利电话会议记录、市场分析报告等。通过快速准确地提取关键信息，HybridRAG 能够帮助分析师更高效地进行数据分析和决策支持。例如，在处理财务盈利电话会议记录时，HybridRAG 能够快速找到与特定问题相关的回答，并生成准确的答案，提高了分析效率。