活动预告｜周五晚，一起来看图数据库如何为构建行业大模型降本增效

图数据库如何提升大语言模型的应用能力-活动预告

在全球掀起 AI 热潮的 ChatGPT 证明了大语言模型（LLM）在生成知识和推理方面的能力，而如何让 LLM 更有效地获取特定领域的知识并理解事物，则需要更强大、更高效的基础设施能力——大量研究和实践表明，图数据库可以有效提升 LLM 学习和检索能力，是 LLM Stack 中的重要一环。

6月30日晚 12:00，来自悦数图数据库的首席布道师 @古思为将与 Llama Index 创始人兼 CEO @ Jerry Liu 共同探讨如何通过图技术进一步提升 LLM 的语义检索能力，并展示如何结合知识图谱与向量数据库实操 Llama Index 上的复杂问答系统，分享悦数团队与 Llama Index 团队在图驱动的 in-context learning 的最新研究进展。

欢迎扫描【文末海报二维码】，一起来报名参与直播/预约回放～

活动背景

本次直播是由 Llama Index 发起的面向全球社区的网络研讨会。悦数图数据库是国内第一家也是唯一一家引入了 LangChain 的图数据库厂商，率先实现了基于 Knowledge Graph + Vector DB 的 retrieval-augmented generation （Graph In-Context Learning）方案，同时悦数团队贡献的 Llama Index 中的 GraphStore 抽象的设计与实现，也得到了 LLM 核心技术社区的关注和认可。

Llama Index 是全球领先的 LLM 大数据框架之一，是一个针对特定语料检索的 GPT 项目，可以用于连接外部数据和 LLMs。悦数图数据库是国产自研的企业级原生分布式图数据库，具有高性能、易扩展、安全稳定的特点，能够完美支持 AI、大模型、机器学习等多领域智能应用。

研讨主题

技术分享：如何通过图技术进一步提升 LLM 的语义检索能力

重点解读：图数据库凭借图形格式组织和连接信息的方式，天然适合存储及表达复杂的上下文信息。图数据库中的节点表示实体，边表示实体之间的关系，因此能够允许高效地存储、检索和分析复杂的多维数据。通过图技术构建知识图谱提升 In-Context Learning 的全面性为用户提供更多的上下文信息，能够帮助大语言模型（LLM）更好地理解实体间的关系，提升自己的表达和推理能力。

实操演示：图数据库-知识图谱与 LLM 结合的应用展示

重点解读：本次直播将从第一视角为您带来图数据库+LLM 的实践分享，企业可以通过大模型实现更智能化的问答推荐，进一步解放人力重复劳动，还可以借助大模型的语义理解能力，在经营分析、投资决策等领域提供专家级的策略和建议，充分激活数据要素，让传统业务获得新的增长点。

最新进展：悦数图数据库 x Llama Index 在模型训练领域的研究成果

重点解读：悦数图数据库正致力于将 “GraphStore” 存储上下文引入 Llama Index，从而引入知识图谱的外部存储，全面打造更高效易用的「图+ LLM」解决方案。通过提供面向 AIGC、LLM 等智能应用的图基础设施，帮助企业轻松构建关联海量数据的知识图谱，全面提升行业大模型的训练和部署成本，形成更敏捷、高效、易用的人工智能应用。 WEBINAR

参与方式