为破解人工智能（AI）智能体常见的“幻觉”，来自韩国科学技术院与初创公司GraphAI的科学家，开发出下一代数据库技术“AkasicDB”。它创造性地将向量数据库、图数据库与关系数据库的功能融于一体，能够同时理解文档、数据及实体之间的深层关联。
测试结果显示，新技术将AI的响应准确率最多提高了78%，处理速度更是提升超过20倍，有望加快企业级AI商业化的步伐。相关论文已发表于《国际数据管理会议论文集》。
AI智能体能搜索海量企业文档和专业知识，并据此生成答复。然而现实中，企业数据往往分布于文档、表格和复杂的实体关系之间，令AI难以全面消化和善用。于是，AI常在依据不足时生成事实错误的回应，这就是“幻觉”，被视作企业级AI大规模落地的主要障碍。
传统的检索增强生成（RAG）方法，通常先将用户查询和文档转化为向量，检索语义相近的文档，再喂给大语言模型。但这种方法在面对复杂查询时便力不从心，因为这类查询还必须兼顾文档中实体间的关系，或特定的时间、类型、范围等结构化条件。
为破解这一难题，团队提出了Omni RAG方案，将向量相似性搜索、图遍历和关系过滤统一纳入单一的查询与执行计划。Omni RAG能够同时挖掘文档的语义信息、知识图谱的关系信息以及表格的结构化条件，从而锁定更精确的证据，显著削减AI的“幻觉”。
在此基础上，团队推出了AkasicDB。与分别操作多个数据库的传统路径不同，AkasicDB将向量数据库、图数据库和关系数据库的存储集成到同一个数据库管理系统内，并通过统一的查询规划器和“遍历—连接—相似性”操作符，把横跨3种数据模型的查询作为单一执行计划来优化与执行。
靠着这一集成架构，AkasicDB最大限度地消灭了不必要的中间结果和数据搬移，大幅削减了大型语言模型需要处理的词元数量，并显著缩短了响应时间。实验中，复杂搜索查询在现有系统里最长耗时21.3秒，而在AkasicDB上不到1秒，性能跃升超过20倍。同时，与传统RAG相比，Omni RAG还将响应准确率提升了高达78%。这些结果展现出其大幅减少“幻觉”的潜力。
团队表示，AkasicDB是面向AI智能体时代的下一代数据库技术，有望在国防、制造、金融、法律、科技等对可靠性要求极高的领域，作为核心数据基础设施广泛应用。
