深度分析
LangGraph 與 GraphRAG：以人工智慧代理自動將遺留 Fortran 有限差分程式轉譯為 Devito
在高效能科學運算中，維護大量Fortran遺留有限差分程式面臨困境。本研究以LangGraph結合GraphRAG與知識圖譜，採多階段RAG檢索與靜態程式碼分析導出檢索策略，並以Pydantic約束與LLM評估驗證，將程式自動轉譯為Devito，提高轉譯可靠性與可驗證性。
GraphRAG
GraphRAG
在消費級硬體上實作 GraphRAG：EHR 檢索、知識圖譜構建與 LLM 性能比較
本研究檢視GraphRAG在醫療電子病歷EHR結構化檢索的可行性與侷限。團隊在單張消費級GPU上以本地部署的開源LLM（Llama3.1、Mistral、Qwen2.5、Phi-4-mini）復現Microsoft GraphRAG管線，評估索引、知識圖建構、查詢延遲與幻覺行為。結果顯示模型在結構輸出穩定度與答案品質上差異顯著，本地檢索在延遲與事實依據上普遍優於全域摘要。
深度分析
STAGE 基準：從劇本建模到敘事知識圖與長文脈推理評估
電影劇本屬長篇複雜敘事；STAGE提出以劇本為一致故事世界的多任務基準。它結合清理後劇本文本、電影級知識圖與事件摘要，並以四項任務評估模型跨場景推理與角色扮演能力。實驗顯示EDC方法在結構化抽取上表現最穩定，對模型規模擴大則觀察到遞減效益。
速報
MetaKGEnrich：為大型語言模型打造元認知式自我知識修復
研究指出現代人工智慧普遍缺乏元認知。研究提出MetaKGEnrich，一套自動化流程：由種子查詢建構知識圖譜、以七種圖譜指標偵測稀疏區域、生成針對性問題並網路檢索佐證回填，最後擷取並評估回覆品質。實驗在三個公開資料集上顯示多數問題的答案品質獲得提升。