GraphRAG 프로젝트는 구조화되지 않은 텍스트의 암시적 관계를 활용하여 AI 시스템이 비공개 데이터 세트에서 답변할 수 있는 질문의 범위를 확장하는 것을 목표로 합니다.
기존 벡터 RAG(또는 '시맨틱 검색')에 비해 GraphRAG의 주요 장점은 전체 데이터 세트에 대한 질문에 답할 수 있다는 점입니다. 글로벌 검색예를 들어, "데이터의 주요 주제는 무엇인가요?" 또는 "X에 대한 가장 중요한 영향은 무엇인가요?"와 같은 질문입니다. 또는 "X에 대한 가장 중요한 영향은 무엇인가요?"와 같은 질문을 할 수 있습니다. . 이와 대조적으로, 벡터 RAG 더 많은 전문가 로컬 검색즉, 답변은 쿼리와 유사하며 일반적으로 '누가', '무엇', '언제', '어디서' 등의 질문에 대한 특정 텍스트 영역에서 찾을 수 있습니다. 어디' 질문.
최근 기사에서는 GraphRAG에서 생성한 풍부한 다이제스트 기반 데이터 인덱스를 활용하여 각각 로컬 검색 성능과 글로벌 검색 비용을 개선하는 두 가지 새로운 쿼리 메커니즘을 소개합니다.
이 백서에서는 소스 데이터를 미리 요약할 필요가 없고 일부 사용자 및 사용 사례에서는 감당하기 어려울 수 있는 사전 인덱싱 비용을 피할 수 있는 새로운 그래프 강화 RAG 접근 방식인 LazyGraphRAG를 소개합니다.
LazyGraphRAG의 가장 큰 장점은 비용과 품질 측면에서 확장성이 뛰어나다는 점입니다. 다양한 경쟁 접근 방식(표준 벡터 RAG, RAPTOR, GraphRAG 로컬 검색, 전역 검색 및 DRIFT 검색 메커니즘 포함) 중에서 LazyGraphRAG는 비용 대비 품질이 뛰어납니다:
- LazyGraphRAG 데이터 인덱싱 비용은 전체 GraphRAG 비용의 0.1%로 벡터 RAG와 동일합니다.
- 벡터 RAG와 비슷한 쿼리 비용으로 LazyGraphRAG는 긴 컨텍스트 벡터 RAG와 GraphRAG DRIFT 검색(최근에 도입되어 벡터 RAG보다 성능이 뛰어난 RAG 방법), GraphRAG 지역화된 검색을 포함한 모든 경쟁 방법보다 성능이 뛰어납니다.
- 동일한 LazyGraphRAG 구성은 글로벌 쿼리 측면에서 GraphRAG 글로벌 검색과 비슷한 답변 품질을 보여주지만 쿼리 비용이 더 많이 듭니다.700배 이상 감소.
- 로컬 및 글로벌 쿼리 유형에서 GraphRAG, LazyGraphRAG를 사용하여 전 세계적으로 4%를 검색하는 쿼리 비용모든 경쟁 방법보다 월등히 뛰어난 성능GraphRAG 글로벌 검색에는 C2 레벨(대부분의 애플리케이션에 권장되는 커뮤니티 계층 구조의 세 번째 레벨)이 포함되어 있습니다.
LazyGraphRAG는 곧 오픈 소스 GraphRAG 라이브러리에 합류하여 표준 벡터 RAG와 비슷한 비용으로 경량 데이터 인덱스에 대한 로컬 및 전역 쿼리를 위한 통합 쿼리 인터페이스를 제공할 예정입니다.
LazyGraphRAG: 벡터 RAG와 GraphRAG의 장점 융합
LazyGraphRAG는 각자의 한계를 극복하면서 Vector RAG와 GraphRAG의 장점을 결합하는 것을 목표로 합니다:
- 벡터 RAG는 베스트 퍼스트 검색를 사용하여 쿼리와 가장 일치하는 소스 텍스트 블록을 선택합니다. 그러나 글로벌 쿼리에 대한 데이터 세트의 폭은 고려하지 않습니다.
- GraphRAG 글로벌 검색은 폭 우선 검색의 경우, 소스 텍스트 엔티티의 커뮤니티 구조를 사용하여 데이터 세트의 전체 범위를 고려하여 쿼리에 대한 답변이 이루어지도록 합니다. 그러나 지역화된 쿼리에 대한 최적의 커뮤니티는 고려하지 않습니다.
LazyGraphRAG는 최적 우선 검색과 범위 우선 검색을 반복 심화 방식으로 결합합니다(표 1). 이 접근 방식은 전체 GraphRAG의 전역 검색 메커니즘에 비해 "비활성"이기 때문에 LLM의 사용을 지연시키고 답변 생성의 효율성을 크게 향상시킵니다. 전반적인 성능은 하나의 주요 매개변수인정확도 테스트 예산- 확장하려면 이 매개변수를 통해 비용과 품질 간의 균형을 일관된 방식으로 제어합니다.
GraphRAG | LazyGraphRAG | |
---|---|---|
색인 구축 | a) LLM을 사용하여 엔티티와 그 관계를 추출하고 설명하기, b) LLM을 사용하여 각 엔티티와 관계에 대한 모든 관찰을 요약하기, c) 그래프 통계를 사용하여 엔티티 그래프를 최적화하고 계층적 커뮤니티 구조를 추출하기. | a) NLP 명사 구문 추출을 사용하여 개념과 그 동시 발생을 추출하고, b) 그래프 통계를 사용하여 개념 맵을 최적화하고 계층적 커뮤니티 구조를 추출합니다. |
요약 색인 | LLM을 사용하여 각 커뮤니티의 엔티티와 관계를 요약하세요. | 없음 - "비활성" 메서드는 쿼리 시간까지 모든 LLM 사용을 연기합니다. |
문의 구체화 | 없음 - 항상 원래 쿼리 사용 | LLM을 사용하여 a) 관련 하위 쿼리를 식별하여 확장 쿼리로 재결합하고, b) 개념 그래프에서 일치하는 개념을 사용하여 하위 쿼리를 구체화합니다. |
일치하는 쿼리 | 없음 - 모든 쿼리는 모든 커뮤니티 요약을 사용하여 답변됩니다(폭 우선) | 각 q 하위 쿼리 [3-5]: - 텍스트 블록 임베딩 및 블록-커뮤니티 관계를 사용하여 먼저 쿼리와의 유사성을 기준으로 텍스트 블록을 정렬한 다음 상위 순으로 정렬합니다.k 텍스트 블록의 순위는 커뮤니티를 정렬합니다(최고 우선 순위) - LLM 기반 문장 수준 관련성 평가기를 사용하여 상위 순위 커뮤니티의 관련성을 평가합니다.k 테스트되지 않은 텍스트 블록의 관련성이 점수화되었습니다(폭 우선) - in z 인접한 커뮤니티는 관련 텍스트 블록을 생성하지 않고 관련 하위 커뮤니티로 재귀합니다(반복적 심화관련 커뮤니티가 남아 있지 않거나 연락이 닿지 않는 경우 정확도 테스트 예산/q 자정에 만료 |
답변 매핑 | LLM을 사용하여 커뮤니티 요약의 무작위 배치를 병렬로 처리하여 원시 쿼리에 응답하기 | 각 q 하위 쿼리 [3-5]: - 관련 텍스트 블록에서 개념 하위 그래프 구성 - 개념의 커뮤니티 할당을 사용하여 관련 블록을 함께 그룹화 - 관련 콘텐츠에만 집중하는 방법으로 LLM을 사용하여 관련 블록 그룹에서 하위 쿼리와 관련된 문장을 추출 - 관련 문장의 순위 지정 및 필터링 미리 정의된 컨텍스트 창 크기에 맞게 추출된 문장의 순위 지정 및 필터링 |
답변 감소 | LLM을 사용하여 매핑된 답변을 사용하여 원래 쿼리에 답변하기 | LLM을 사용하여 추출된 매핑 문을 사용하여 확장 쿼리에 응답하기 |
LazyGraphRAG: 자세한 작동 방식
간단히 말해, LazyGraphRAG의 핵심 아이디어는 "필요에 따라 빌드하고 이동하면서 확인"입니다.
- 인덱스 구성 및 추상화(온디맨드): 미리 구축된 전체 인덱스 대신 LazyGraphRAG는 자연어 처리(NLP) 기술을 사용해 쿼리가 수신될 때 주요 개념과 그 사이의 관계를 동적으로 추출합니다. 그런 다음 이 정보를 그래프 구조로 구성하고 이 그래프는 쿼리가 진행됨에 따라 지속적으로 최적화되고 개선됩니다.
- 쿼리 최적화 및 콘텐츠 검색LazyGraphRAG는 텍스트 청크 임베딩과 같은 기술을 사용하여 실시간으로 쿼리를 최적화하고 개념 간의 연관성을 분석하여 가장 관련성이 높은 데이터를 정확히 찾아냅니다.
- 답변 생성 및 통합시스템은 관련 텍스트 조각에서 더 작은 하위 그래프를 구성하고 이를 일관성 있고 정확하며 쿼리와 일치하는 답변으로 통합합니다.

LazyGraphRAG 성능: 숫자가 말해줍니다!
다양한 수준의 상관관계 테스트 예산과 다양한 경쟁 방법에 대해 LazyGraphRAG를 테스트한 결과, 다음과 같은 결과를 얻었습니다:
- 데이터 집합:: 5,590개의 AP 통신 뉴스 기사(허가 하에 사용됨)
- 상담(문서 등)새로운 방법론을 사용하여 생성된 100개의 합성 쿼리(로컬 50개, 글로벌 50개) (향후 기사에서 소개될 예정)
- 표준포괄성, 다양성, 권한 부여(예여기(문학)(설명한 대로 LLM을 사용하여 각 지표에서 각 답변 쌍을 긍정적으로 비교합니다.)
- 전제 조건세 가지 상관 관계 테스트 예산 설정이 있는 LazyGraphRAG와 GraphRAG 및 문헌의 8가지 경쟁 조건이 포함되어 있습니다(표 2).
전제 조건 | 설명 |
---|---|
Z100_Lite | 상관관계 테스트 예산을 100으로 설정하고 모든 단계에서 저비용 LLM 모델을 사용하는 LazyGraphRAG |
Z500 | LazyGraphRAG, 500의 정확도 테스트 예산, 저비용 LLM을 사용한 정확도 테스트, 고급(고비용) LLM을 사용한 쿼리 개선 및 매핑/답변 생성 감소 |
Z1500 | LazyGraphRAG, 정확도 테스트 예산 1,500달러, 저비용 LLM을 사용한 정확도 테스트, 고급(고비용) LLM을 사용한 쿼리 개선 및 매핑/답변 생성 감소 |
C1 | 커뮤니티 레벨 1의 GraphRAG 글로벌 검색 |
C2 | 커뮤니티 레벨 2의 GraphRAG 글로벌 검색 |
C3_Dynamic | 동적 커뮤니티 선택을 사용하여 커뮤니티 레벨 3에서 GraphRAG 글로벌 검색(이전 게시물(에 설명된 비용 절감 솔루션) |
LS | GraphRAG 로컬 검색 |
DRIFT | 그래프 래그 드리프트 검색 |
SS_8K | 시맨틱 검색, 8k 입력 토큰의 벡터 RAG 검색 |
SS_64K | 시맨틱 검색, 벡터 RAG는 64k 입력 토큰을 검색합니다(긴 컨텍스트 창이 벡터 RAG에 미치는 영향을 확인하기 위해). |
랩터 | 계층적 클러스터링을 기반으로 하는 RAG 메서드로, LazyGraphRAG와 몇 가지 유사한 기능을 가지고 있습니다. |
그림 1은 8가지 경쟁 조건에 대한 LazyGraphRAG의 승리율을 보여줍니다. 저비용 LLM 모델(SS_8K와 동일한 비용)을 사용하는 가장 낮은 예산 수준인 100개의 상관관계 테스트에서 LazyGraphRAG는 글로벌 쿼리에 대한 GraphRAG 글로벌 검색 조건을 제외하고 로컬 및 글로벌 쿼리 모두에서 모든 조건을 크게 앞섰습니다. 고급 LLM 모델(C2 쿼리 비용의 경우 4%)을 사용하여 예산을 500개의 상관 관계 테스트까지 늘릴 경우, LazyGraphRAG는 로컬 및 글로벌 쿼리 모두에서 모든 조건을 크게 능가하며, 상관 관계 테스트 예산을 1,500개로 늘릴수록 승률이 계속 증가하여 비용 및 품질 측면에서 확장성을 입증합니다.
그림 1: (100, 500, 1,500)의 정확도 테스트 예산에 대한 (로컬, 글로벌) 쿼리 및 (포괄성, 다양성, 권한 부여) 메트릭의 각 조합에 대한 경쟁 조건 대비 LazyGraphRAG의 승률을 보여주는 클러스터 막대 차트.
표 3은 비교 예시를 보여줍니다.
질문: 2024년 건강보험 공개 등록 기간에 미국 개인이 건강보험 플랜을 선택할 때 고려해야 할 요소에 대해 설명하세요.
벡터 RAG(64K 컨텍스트) | LazyGraphRAG |
---|---|
2024년 공개 등록 기간 동안 건강보험 플랜을 선택할 때 고려해야 할 # 요소 공개 등록 기간에 건강 보험 플랜을 선택하는 것은 복잡한 과정일 수 있지만, 고려해야 할 주요 요소를 이해하면 정보에 입각한 결정을 내리는 데 도움이 될 수 있습니다. 다음은 염두에 두어야 할 몇 가지 중요한 사항입니다. ## 커버리지 및 네트워크 주요 고려 사항 중 하나는 플랜의 보장 네트워크입니다. 보험사는 병원과 의사로 구성된 보장 네트워크를 형성하며, 다음과 같은 사항을 고려하는 것이 중요합니다. 보험사는 병원과 의사로 구성된 보장 네트워크를 구성하므로, 고려 중인 플랜의 네트워크에 선호하는 의료 서비스 제공자가 포함되어 있는지 확인하는 것이 중요합니다. 유지 관리 조직(HMO) 및 독점 제공자 조직(EPO)은 네트워크 외부의 대부분의 비응급 치료에 대한 보험금을 보장하지 않습니다. [데이터: 출처(47419, 47421, 47420, 47410, 47408)]. ## 비용: 보험료, 공제액 및 본인 부담금 최대액 건강 보험 플랜과 관련된 비용을 이해하는 것은 필수입니다. 여기에는 월 보험료, 공제액, 코페이 및 공동 보험이 포함됩니다. 플랜은 일반적으로 플래티넘, 골드, 실버, 브론즈 등 다양한 등급으로 분류되며, 브론즈 플랜은 일반적으로 보험료가 저렴하지만 본인 부담금이 더 높습니다[자료: 출처(47411, 47411)]. 플랜은 일반적으로 플래티넘, 골드, 실버, 브론즈 등 다양한 등급으로 분류되며, 일반적으로 브론즈 플랜은 보험료는 낮지만 본인 부담금이 더 높습니다 [데이터: 출처(47411, 47412, 47416, 47414, 47418)]. 또한 보험이 모든 비용을 보장하기 시작하기 전에 보장되는 서비스에 대해 1년간 지불해야 하는 최대 본인 부담금을 고려하는 것이 중요합니다[데이터: 출처(47411)]. 보험이 모든 비용을 보장하기 시작하는 시점 [데이터: 출처 (47416, 47415)]. ## 세금 공제 및 비용 분담금 감소 소득이 낮은 개인은 보험료 비용 절감을 위해 소득 기반 세액 공제를 받을 수 있습니다. 이러한 세액 공제를 신청할 때 내년도 소득을 정확하게 추정하여 초과 세액 공제를 상환하지 않도록 하는 것이 중요합니다[자료: 출처(47413)]. 세액 공제를 신청할 때 내년도 소득을 정확하게 추정하여 초과 세액 공제를 상환하지 않도록 해야 합니다[자료: 출처 (47412, 47413)]. 또한 소득이 연방 빈곤 기준의 250% 미만인 사람은 실버 플랜을 선택하면 다음과 같은 비용 분담금 경감 혜택을 받을 수 있습니다. 공제액 및 본인 부담금 상한액을 낮출 수 있습니다[자료: 출처(47417, 47418)]. ## 메디케이드 및 메디케어에 대한 특별 고려 사항 메디케이드에서 전환하는 경우, 마켓플레이스 플랜은 메디케이드에 비해 보험료와 코페이가 더 높을 수 있다는 점을 이해하는 것이 중요합니다. 또한 메디케이드에서 탈락한 많은 사람이 연장된 가입 기간을 통해 시장형 플랜에 가입할 자격이 있을 수 있습니다[자료: 출처(6262, 6285, 6286, 6287)]. 또한 메디케이드에서 탈락한 많은 사람이 연장된 가입 기간을 통해 시장형 플랜에 가입할 수 있습니다[데이터: 출처(6284, 6285, 6286, 6287)]. 고령자의 경우, 메디케어 공개 등록 기간을 통해 기존 메디케어와 메디케어 어드밴티지 플랜 간에 전환할 수 있으며, 고려 사항은 다음과 같습니다. 고령자의 경우, 메디케어 공개 등록 기간에는 처방약 보장 및 치과 및 안과와 같은 추가 혜택을 고려하여 기존 메디케어와 메디케어 어드밴티지 플랜 간에 전환할 수 있습니다[자료: 출처(72060, 72061, 72062, 72063, 72064)]. ## 지원 및 리소스 복잡한 건강 보험을 탐색하는 것은 어려울 수 있으며, 보험 설계사나 정부 지원 내비게이터의 도움을 받는 것이 도움이 될 수 있습니다. 이러한 전문가는 특정 플랜을 추천하지 않고도 개인이 자신의 옵션을 이해하고 정보에 입각한 결정을 내릴 수 있도록 도와줍니다[자료: 출처(47424, 47425, 47426)]. 이러한 전문가는 특정 플랜을 추천하지 않고도 개인이 자신의 옵션을 이해하고 정보에 입각한 결정을 내리는 데 도움을 줄 수 있습니다[데이터: 출처(47424, 47425, 47426)]. ## 결론 올바른 건강 보험 플랜을 선택하려면 보장 범위, 비용, 세금 공제 및 비용 분담금 감면 자격, 이용 가능한 지원 등 다양한 요소를 신중하게 고려해야 합니다. 자신에게 맞는 건강보험 플랜을 선택하려면 보장 네트워크, 비용, 세금 공제 및 비용 분담금 감면 자격, 이용 가능한 지원 등 다양한 요소를 신중하게 고려해야 합니다. 이러한 측면을 철저히 평가함으로써 개인은 내년도 의료 서비스 요구 사항과 재정 상황에 가장 적합한 플랜을 선택할 수 있습니다. | ### 건강 보험 플랜의 종류 2024년 공개 등록 기간에 건강 보험 플랜을 선택할 때 미국 내 개인은 몇 가지 옵션을 고려할 수 있습니다. 1. **시장형 플랜**: 건강보험개혁법(ACA)에 따라 이용할 수 있으며 플래티넘, 골드, 실버, 브론즈 레벨로 분류됩니다. 브론즈 플랜은 일반적으로 보험료는 낮지만 본인 부담금이 높고, 플래티넘 플랜은 보험료는 높지만 본인 부담금이 낮습니다. 데이터: 출처(47411, 47420, 47421)]. 2. **저가형 마켓플레이스 플랜**: 공제액이 높은 경우가 많아 대부분의 보장이 시작되기 전에 환자가 수천 달러를 지불해야 하는 경우가 많습니다. 또한 연간 본인 부담금 상한액이 개인의 경우 $9,000, 가족의 경우 $18,000을 초과할 수 있습니다[자료: 출처(47415, 47416, 47414)]. 47414)]. 3. **전속 공급자 조직(EPO) 및 건강 관리 조직(HMO)**: EPO와 HMO는 일반적으로 환자를 의사 네트워크에 한정하고 주치의가 직접 진료를 지시해야 합니다. EPO와 HMO는 일반적으로 환자를 의사 네트워크에 한정하고 주치의가 치료를 지시해야 하며, 더 저렴한 경향이 있지만 네트워크 외 유연성이 부족합니다 [데이터: 출처(47420, 47421, 43218 더 저렴한 경향이 있지만 네트워크 외부의 유연성이 부족합니다 [데이터: 출처(47420, 47421, 43218, 43217)]. 선호 제공자 조직(PPO)**: 이 플랜은 네트워크 외부 서비스를 허용하지만 비용이 더 비쌉니다. HMO 및 EPO에 비해 더 많은 유연성을 제공합니다[데이터: 출처(43217)]. 5. **고액 공제액 건강 플랜(HDHP)**: 개인 보장의 경우 공제액이 최소 $1,600 또는 가족 보장의 경우 $3,200이며, 본인 부담금 최대액은 각각 $8,050 또는 $16,100 이하인 플랜으로 정의됩니다. 공제액이 개인 보장의 경우 최소 $1,600 또는 가족 보장의 경우 $3,200이며 본인 부담금 최대액은 각각 $8,050 또는 $16,100 이하인 플랜으로 정의됩니다. HDHP는 일반적으로 보험료가 저렴하며 때로는 회사에서 공제액을 충당하기 위해 건강 저축 계좌(HSA)에 기부하기도 합니다[자료: 출처(43227, 43226)]. 메디케어 어드밴티지**: 주로 65세 이상을 대상으로 하는 연방 정부의 메디케어 프로그램의 민간 운영 버전입니다. 처방약 보험이 포함되는 경우가 많으며 기존 메디케어에서 제공하지 않는 치과 또는 안과 보험과 같은 추가 혜택을 제공할 수 있습니다. 메디케어 [데이터: 출처(72063, 72061, 72060, 72062)]. 7. **단기 건강 보험 플랜**: 이 플랜은 3개월로 제한되며 새로운 규정에 따라 최대 4개월까지만 갱신할 수 있습니다. 일시적인 보장을 목적으로 하지만 포괄적인 혜택이 부족한 경우가 많습니다 [자료: 출처(97999, 97995, 97996, 97997)]. ### 비용 요소: 보험료, 공제액, 공동 부담금 및 본인 부담금 최대액 2024년 건강 보험 플랜의 전체 비용은 여러 가지 요인에 의해 영향을 받습니다. - 보험료**: 건강 보험 플랜에 대해 매월 지불하는 정해진 비용입니다. 보험료가 상승하고 있으며, 특히 다음과 같이 눈에 띄게 인상되었습니다. 2023년 가족 및 단일 플랜 모두 7%로, 부분적으로는 인플레이션으로 인한 것입니다 [데이터: 출처(83383, 83382, 83384, 83385, 83381, +more)]. - 공제액**: 보험금 지급이 시작되기 전에 의료 서비스에 대해 본인 부담금으로 지불하는 금액입니다. HDHP의 경우 공제액은 개인 보장의 경우 최소 $1,600 또는 가족 보장의 경우 $3,200입니다 [데이터: 출처(43226)]. 공제액은 개인 보장의 경우 최소 $1,600 또는 가족 보장의 경우 $3,200입니다 [자료: 출처 (43226, 43225)]. - 공동 부담금 및 공동 보험**: 의료 서비스를 받을 때마다 지불하는 비용입니다. 공동 부담금은 고정 금액이고, 공동 보험은 서비스 비용의 일정 비율입니다. 공동 부담금은 고정 금액이며 공동 보험은 서비스 비용의 백분율입니다. - 본인 부담금 상한액**: 보장 서비스에 대해 1년에 지불할 수 있는 최대 금액입니다. 예를 들어, HDHP의 본인 부담금 상한액은 개인 보장에 대해 다음과 같습니다. 개인 보장의 경우 최대 $8,050달러, 가족 보장의 경우 $16,100달러 이하입니다[자료: 출처(43227, 43226)]. ### 공급자 네트워크: 네트워크 내 대 네트워크 외부 의료 서비스 제공자 네트워크는 건강 보험 플랜을 선택할 때 중요한 요소입니다. - 네트워크 내 제공자**: 보험 플랜과 계약을 맺고 저렴한 요금으로 서비스를 제공하는 의사 및 병원입니다. 선호하는 의사와 전문의가 네트워크 내에 있는지 확인하면 상당한 비용을 절약할 수 있습니다[자료: 출처(43216, 47419)]. - 네트워크 외부 제공자**: 이러한 제공자의 서비스는 일반적으로 더 비싸며 응급 상황을 제외하고는 전혀 보장되지 않을 수 있습니다. PPO 플랜은 네트워크 외부 의료 서비스를 일부 보장하지만 비용이 더 비싼 반면, HMO 및 EPO는 일반적으로 비응급 네트워크 외부 의료 서비스를 보장하지 않습니다[데이터: 출처(432121, 47421)]. PPO 플랜은 일부 네트워크 외부 보장을 제공하지만 비용이 더 높은 반면, HMO 및 EPO는 일반적으로 비응급 네트워크 외부 보장을 제공하지 않습니다 [데이터: 출처 (43217, 47421)]. ### 특정 의료 요구 및 서비스 건강 보험 플랜을 선택할 때 개인은 자신의 특정 의료 요구 사항을 고려해야 합니다. - 처방약**: 약품 보장 범위가 변경될 수 있으므로 해당 약품이 플랜의 약품 목록에 보장되는지 확인하세요. 약품 보장 범위는 매년 변경될 수 있으므로 해당 약품이 플랜의 처방전에 보장되는지 확인하세요[자료: 출처(43220, 43218, 43219)]. - 정신 건강 서비스**: 정신 건강 치료에 대한 보장은 필수적이며, 특히 보험사가 이러한 서비스에 대한 보장 범위를 늘리도록 하는 새로운 규칙에 따라 필수적입니다 [데이터: 출처(97031, 97028, 97027, 97030, 97033, +more]. 정신 건강 치료에 대한 보장은 필수적이며, 특히 보험사들이 이러한 서비스에 대한 보장 범위를 늘리도록 하는 새로운 규칙에 따라 더욱 그렇습니다 [데이터: 출처(97031, 97028, 97027, 97030, 97033, +more)]. - 만성 질환**: 플랜은 만성 질환에 대한 지속적인 치료 및 약물을 보장해야 합니다. 메디케어 보조 보험(메디갭)은 만성 질환 관리를 위한 메디케어의 부족한 부분을 보장할 수 있습니다 [자료: 출처 (93367) 93368]. 메디케어 보충 보험(메디갭)은 만성 질환 관리를 위한 메디케어의 부족한 부분을 보장할 수 있습니다 [자료: 출처 (93367, 93368)]. - **예방 치료**: 암 검진 및 HIV 예방과 같은 예방 서비스에 대한 보험 적용은 ACA에 따라 의무화되어 있지만, 현재 진행 중인 법적 분쟁으로 인해 계속되는 법적 분쟁으로 인해 미래가 불확실합니다 [데이터: 출처(71106, 71109, 71098, 71099, 71100, +more)]. ### 공개 등록을 위한 주요 날짜 및 단계 2024년 건강보험 공개 등록 기간에는 몇 가지 주요 일정과 단계가 포함되어 있습니다. - 마켓플레이스 계획**: 공개 등록은 2023년 11월 1일에 시작하여 대부분의 주에서 12월 중순까지 진행되며 2024년 1월 16일에 종료됩니다 [데이터: 출처(47419, 47411, 47416, 47421, 47409, +more]. 2024 [데이터: 출처(47419, 47411, 47416, 47421, 47409, +more)]. - 메디케어**: 메디케어 공개 등록은 2023년 10월 15일부터 2023년 12월 7일까지 진행됩니다. 이 기간 동안 개인은 기존 메디케어, 메디케어 어드밴티지 플랜, 처방약 플랜 중에서 선택할 수 있습니다[데이터: 출처(72061, 72063, 72060, 72062)]. 이 기간 동안 개인은 기존 메디케어, 메디케어 어드밴티지 플랜, 처방약 플랜 중에서 선택할 수 있습니다[데이터: 출처(72061, 72063, 72060, 72062)]. - 특별 가입 기간**: 실직이나 이사 등의 생활 사건으로 인해 보험 혜택을 상실한 개인은 특별 가입 기간에 해당할 수 있습니다. 예를 들어, 메디케이드에서 탈락한 사람은 2024년 7월까지 마켓플레이스 플랜에 가입할 수 있습니다[자료: 출처(6288, 6289)]. 이러한 요소를 고려하여 개인은 2024년 건강 보험 보장에 대해 정보에 입각한 결정을 내릴 수 있으며, 이를 통해 다음과 같이 의료 요구와 재정적 필요에 가장 적합한 플랜을 선택할 수 있습니다. 자신의 의료적 필요와 재정 상황에 가장 적합한 플랜을 선택할 수 있습니다. |
LazyGraphRAG는 하나의 유연한 쿼리 메커니즘이 LLM 데이터 요약의 초기 비용 없이도 로컬-글로벌 쿼리 범위에서 다양한 전용 쿼리 메커니즘보다 훨씬 뛰어난 성능을 발휘할 수 있다는 것을 보여줍니다. 사실상 무료에 가까운 빠른 인덱싱으로 LazyGraphRAG는 일회성 쿼리, 탐색적 분석, 스트리밍 데이터 사용 사례에 이상적이며, 상관관계 테스트 예산이 증가함에 따라 답변 품질을 원활하게 개선하는 기능으로 RAG 방법을 벤치마킹하는 데 매우 유용한 도구입니다(예: "작업 Z에서 RAG 방법 X가 예산 Y를 능가함"). LazyGraphRAG").
모든 그래프 향상 RAG가 비활성 상태여야 한다는 뜻인가요? 세 가지 이유 때문에 그렇지 않습니다:
- 엔티티, 관계 및 커뮤니티 요약을 위한 GraphRAG 데이터 인덱싱은 Q&A(예: 보고서 읽기 및 공유) 외에도 다양한 용도로 활용됩니다.
- 엔티티, 관계 및 커뮤니티 요약의 GraphRAG 데이터 인덱싱과 LazyGraphRAG와 유사한 검색 메커니즘을 결합하면 LazyGraphRAG만 사용하는 것보다 더 나은 결과를 얻을 수 있습니다.
- 선제 선언 및 토픽 추출 등을 통해 LazyGraphRAG와 유사한 검색 메커니즘을 지원하도록 설계된 새로운 유형의 GraphRAG 데이터 인덱싱이 최상의 결과를 가져올 수 있습니다.
우리는 앞으로 한동안 이러한 방향을 모색할 것이며, 모든 진행 상황(LazyGraphRAG 자체 포함)은 다음을 통해 이루어질 것입니다. GraphRAG GitHub 리포지토리 게시됨.
© 저작권 정책
이 글은 저작권이 있으며 무단으로 복제해서는 안 됩니다.
관련 문서
댓글 없음...