利用简单的基于检索增强生成的图结构减少复杂问答中的幻觉（长版本）

大型语言模型虽变革了自然语言处理，但仍易产生幻觉。检索增强生成（RAG）系统旨在缓解此风险并支持私有数据问答。本文提出利用轻量级图结构和简单模式，通过专用工具集支持 RAG 子系统。我们设计了一个包含向量搜索和图查询工具的代理系统，在基于维基百科的结构化数据集上运行，并在 MoNaCo 基准上进行评估。结果表明，引入基于图的工具显著提高了事实准确性，将幻觉答案减半，并以适度的令牌增加实现了最高的细粒度真实性得分。