AI“幻觉”难题与企业数据挑战
AI代理在读取和理解海量企业数据时，一个关键弱点是容易产生“幻觉”——生成听起来合理却与事实不符的内容。为解决这一问题，KAIST研究团队开发出一项能够同时理解文档、结构化数据以及实体关系的下一代数据库技术。
实验结果显示，该技术可将生成式AI的响应准确率最高提升78%，复杂查询处理速度最高提升20倍，被视为破解企业AI落地过程中“幻觉”难题的关键突破。
AkasicDB：统一向量、图与关系的下一代DBMS
在KAIST计算机学院金敏洙教授带领下，研究团队与教师创业公司 GraphAI Co., Ltd. 合作，研发出名为 AkasicDB 的新型数据库系统。这一系统将向量数据库、图数据库和关系数据库三类能力整合到同一个数据库管理系统（DBMS）中。
基于 AkasicDB，团队进一步提出了一种新的检索增强生成（RAG）方法——Omni RAG。
相关研究以《AkasicDB：通过统一的向量-图-关系DBMS展示Omni RAG》为题，发表在《国际数据管理会议伴刊》上。
三种数据库能力的统一
AkasicDB 的目标，是在单一系统中统一并执行以下三类功能：
- 向量数据库功能：将文档或图像的语义内容转化为数值向量，用于相似度搜索；
- 图数据库功能：存储和分析人、公司、产品等实体之间的关联关系；
- 关系数据库功能：以表格形式对结构化数据进行系统化管理和查询。
在此基础上，Omni RAG 能够同时利用文档的语义信息、实体间的关系网络以及表格数据中的结构化条件，从而显著提升生成式AI回答的准确性。
传统RAG的局限
近年来，基于 RAG 技术的 AI 代理在企业中快速普及。RAG 通过检索大量企业文档和专家知识，再将检索结果提供给大型语言模型（LLM）生成回答。
但在现实场景中，企业数据往往分散在多种形态中：
- 文本文档
- 表格和数据库
- 实体及其关系网络
AI 很难在一个统一框架下全面理解并利用这些异构数据，导致在证据不足或理解不完整时，容易生成事实错误的回答，即“幻觉”，这被认为是企业大规模采用AI的主要障碍之一。
传统 RAG 的典型做法，是将用户查询和文档都转换为向量，通过向量相似度检索语义相关的文档，再交由 LLM 生成自然语言回答。这种方式在处理非结构化文本检索时效果较好，但在以下场景中存在明显不足：
- 需要考虑文档中实体之间的复杂关系；
- 需要结合时间、类型、范围等结构化条件进行过滤；
- 需要跨文档、跨表格、跨知识图谱进行综合推理。
例如，查询：
“查找去年签署合同中与公司A相关的条款，并解释这些条款如何与产品供应问题相关。”
要准确回答这一问题，至少需要：
- 向量搜索：理解合同条款的语义含义；
- 图搜索：分析公司A与相关产品、合同、供应问题之间的关系；
- 关系查询：按日期、合同类型等结构化条件进行过滤。
在现有系统中，通常需要分别构建多种数据库，再在应用层手动整合结果，既增加了系统复杂度，也带来了明显的响应延迟。
Omni RAG：在一个查询中整合三类检索
为解决上述问题，研究团队提出 Omni RAG，将向量相似度搜索、图遍历和关系过滤整合到单一查询与执行计划中。
Omni RAG 的核心思路是：
- 在一次查询中，同时利用文档语义信息、知识图谱中的关系信息以及表格数据中的结构化条件；
- 在数据库层面完成复杂检索与过滤，向 LLM 提供更精确、更有依据的证据；
- 通过减少无关或噪声信息输入，显著降低 AI 产生幻觉的概率。
AkasicDB 的统一引擎与查询优化
为了支撑 Omni RAG，AkasicDB 采用了新的系统架构，将图数据库、向量数据库和关系数据库整合到同一个执行引擎中。
在这一架构下：
- 用户可以使用单一的 SQL/GQL 查询，表达同时包含向量搜索、图遍历和关系过滤的复杂 RAG 请求；
- AkasicDB 会对该查询进行统一优化，并以一个整体执行计划来处理，而非拆分为多个系统分别执行。
这种集成式架构带来的直接收益包括：
- 最大限度减少中间结果的重复生成和跨系统数据移动；
- 显著降低传给 LLM 的令牌数量，减少不必要的上下文；
- 缩短端到端响应时间。
实验表明，在处理复杂搜索查询时，传统多系统方案最长需要 21.3 秒，而 AkasicDB 将时间压缩到不足 1 秒，性能提升超过 20 倍。
实验结果：准确率提升78%，幻觉显著缓解
在与传统 RAG 方法的对比实验中，基于 AkasicDB 的 Omni RAG 在响应准确率方面最高提升达到 78%。这一结果表明，通过统一处理语义、关系和结构化条件，可以显著提升 AI 回答的可靠性，明显缓解企业 AI 代理中普遍存在的“幻觉”问题。
应用前景与研究发布
金敏洙教授指出，要让 AI 代理真正准确理解并利用企业掌握的大规模数据，必须构建能够在单一系统中统一处理向量、图和关系数据的数据基础设施。AkasicDB 正是面向 AI 代理时代设计的下一代数据库技术，有望成为国防、制造、金融、法律、科技等高可靠性行业的核心数据基础设施。
本研究由 KAIST 计算机学院博士生李建浩担任第一作者，研究成果已于 2026 年 6 月 2 日在 ACM SIGMOD 会议上以演示论文形式发表。
