知识蒸馏是通过构建一个轻量化的小模型，利用性能更好的大模型的监督信息，来训练这个小模型大模型： Teacher model小模型：Student modelTeacher model输出的知识（knowledge)Student model 学习来自Teacher的监督的信息的过程–> Distillation(蒸馏)

目前微软已经开源了GraphRAG的完整项目代码。对于某一些LLM的下游任务则可以使用GraphRAG去增强自己业务的RAG的表现。项目给出了两种使用方式：1. 在打包好的项目状态下运行，可进行尝试使用。2. 在源码基础上运行，适合为了下游任务的微调时使用。

知识蒸馏是通过构建一个轻量化的小模型，利用性能更好的大模型的监督信息，来训练这个小模型大模型： Teacher model小模型：Student modelTeacher model输出的知识（knowledge)Student model 学习来自Teacher的监督的信息的过程–> Distillation(蒸馏)

目前微软已经开源了GraphRAG的完整项目代码。对于某一些LLM的下游任务则可以使用GraphRAG去增强自己业务的RAG的表现。项目给出了两种使用方式：1. 在打包好的项目状态下运行，可进行尝试使用。2. 在源码基础上运行，适合为了下游任务的微调时使用。

目前微软已经开源了GraphRAG的完整项目代码。对于某一些LLM的下游任务则可以使用GraphRAG去增强自己业务的RAG的表现。项目给出了两种使用方式：1. 在打包好的项目状态下运行，可进行尝试使用。2. 在源码基础上运行，适合为了下游任务的微调时使用。

目前微软已经开源了GraphRAG的完整项目代码。对于某一些LLM的下游任务则可以使用GraphRAG去增强自己业务的RAG的表现。项目给出了两种使用方式：1. 在打包好的项目状态下运行，可进行尝试使用。2. 在源码基础上运行，适合为了下游任务的微调时使用。

目前微软已经开源了GraphRAG的完整项目代码。对于某一些LLM的下游任务则可以使用GraphRAG去增强自己业务的RAG的表现。项目给出了两种使用方式：1. 在打包好的项目状态下运行，可进行尝试使用。2. 在源码基础上运行，适合为了下游任务的微调时使用。

目前微软已经开源了GraphRAG的完整项目代码。对于某一些LLM的下游任务则可以使用GraphRAG去增强自己业务的RAG的表现。项目给出了两种使用方式：1. 在打包好的项目状态下运行，可进行尝试使用。2. 在源码基础上运行，适合为了下游任务的微调时使用。