AI
知識グラフ探索に「計画機能」を組み込んだGraphRAGフレームワーク「PersonalAI 2.0」、ハルシネーション低減で成果
2026/09/23
知識グラフ探索に「計画」を持ち込む——PAI-2の概要
ロシアのSkoltech、SberAI、Huawei Moscowなど複数機関の研究者らは、LLMベースシステムと外部知識グラフ（KG）を統合する新しいGraphRAGフレームワーク「PersonalAI 2.0（PAI-2）」をarXivで公開した。ソースコードはGitHub上で公開されている。
既存のGraphRAG手法が抱える課題として、著者らは静的なオントロジーへの依存と非効率なグラフ探索アルゴリズムを挙げる。特に複数ホップの推論タスクでは、中間ステップで得た情報をもとに検索戦略を動的に更新する必要があるが、従来の静的な検索パターンではこれに対応しにくいと論文中で指摘されている。
PAI-2が導入した解決策の核心は「動的な多段階クエリ処理パイプライン」と「検索計画（Search Plan）機能」だ。複雑なクエリをサブクエリへと分解し、エンティティ抽出・グラフ頂点マッチング・手がかりクエリ（Clue Query）生成を反復しながら、必要な情報だけを段階的に収集していく設計となっている。
パイプラインの詳細：3つのフェーズ
論文本文によれば、PAI-2のQAパイプラインは大きく以下のステップで構成される。
1. 質問前処理（Question Preprocessing）
入力クエリをまずノイズ除去（Denoise）し、文法・用語の観点から拡張・整形（Enhance）した後、複数の独立した質問を含む場合はサブクエリへと分解（Decompose）する。各操作はLLMへのプロンプトで実現されており、追加のファインチューニングは不要とされている。
2. メモリグラフ探索（Memory Graph Exploration）
各サブクエリに対して、まず「検索計画」を初期化する。LLMは自然言語の検索ステップ列としてP⁰を生成し、各ステップでエンティティを抽出、BM25や密ベクトル検索（Dense Retrieval）を組み合わせてグラフ頂点とマッチングする。マッチした頂点群をもとに「クエリ手がかり（Clue Queries）」を複数生成し、それぞれ独立したグラフ探索を実行してトリプルを収集・フィルタリングする。
収集した情報をもとに、まだ未完了の計画ステップを動的に更新・追加できる「Search Plan Adjustment」機能が既存手法との主な差別化点の一つだ。PDA（Pyramid-Driven Alignment）が静的な計画を一度生成するだけなのに対し、PAI-2は新情報を受け取るたびに計画を柔軟に修正できると説明されている。
3. 知識統合と回答生成
収集・フィルタリングされたトリプルを文脈として与えつつ、LLMが最終回答を生成する。
ベンチマーク評価：5データセットで比較
著者らはNatural Questions、TriviaQA、HotpotQA、2WikiMultihopQA、MuSiQueの5ベンチマークで、LightRAG・RAPTOR・HippoRAG 2・PAI-1との比較評価を実施したと報告している。
主な結果として論文アブストラクト及び本文では以下が述べられている：
- 2WikiMultihopQAとMuSiQue：LLM-as-a-Judgeによる評価で、類似手法に対して平均**9%**の改善を達成
- TriviaQAとHotpotQA：HippoRAG 2と統計的に有意な差はなく、同等の精度を達成
- 検索計画機能の有無による比較：計画機能を有効化した場合、無効化と比べて5ベンチマーク平均で**18%**のスコア向上をLLM-as-a-Judgeで確認
- MINE-1ベンチマーク（個人化メモリ評価）：アブレーション研究において、7〜15BクラスのLLMを用いた設定でSOTAに相当する**89%**の情報保持スコアを達成。また、KGGenやWikonticと比べてLLMパースエラーが少なく安定していると報告されている
既存手法との比較整理
| 観点 | PAI-2 | ToG | PDA | RoG/FLARE/Self-RAG |
|---|---|---|---|---|
| 検索計画 | 動的・明示的 | 暗黙的 | 静的 | — |
| 計画の修正 | あり | なし | なし | — |
| エンティティ→複数頂点マッチ | 対応 | 非対応 | 非対応 | — |
| ファインチューニング | 不要 | 不要 | 不要 | 必要 |
ReActとの比較については、PAI-2が「ReActの拡張版」と位置付けられており、異種知識グラフ上での効率的な検索・取得を目的に設計されたと論文内で述べられている。
応用可能性とオープンソース
著者らは、PAI-2が個別化教育プラットフォームや顧客対応チャットボットなど、文脈認識と高精度が求められる幅広い分野に適用可能なコンポーネントになり得ると主張している。また、ファインチューニング不要の設計により、異なるドメインや言語にも転用しやすい点も強調されている。