MiniRAG：小模型引领RAG技术革新，性能损失仅1%，存储节省75%，赋能边缘设备

技术突破与优势：

香港大学黄超教授团队推出的MiniRAG系统，显著降低了检索增强生成（RAG）技术的资源消耗和部署难度，使其适用于边缘计算设备。MiniRAG采用小模型架构，通过本地部署实现轻量级功能，既节省资源又保护隐私。在性能评测中，MiniRAG即使轻量化也保持了较高水准，性能下降不到1%，存储空间需求仅为原来的25%。

核心技术创新与应用：

MiniRAG通过异构图索引和轻量级知识检索两项核心技术，优化信息组织结构，提升检索精确度，确保高效准确的信息获取。系统构建了语义感知框架，融合离散文本与结构化知识，实现检索效率的飞跃。在模拟真实端侧场景的评测中，MiniRAG展现了出色的表现，特别是在处理复杂信息检索和多步推理任务时。这一研究不仅突破了端侧智能检索的瓶颈，也为边缘AI应用开创了新的可能。