2026년 9월 3주차 그래프 오마카세
에이전트 시대에서 그래프는 요즘 어디에 어떻게 활용되고 있을까? * 그동안 오마카세에서는 GraphRAG, 에이전트 실행 구조, 그래프 기반 검색처럼 하나의 연구 주제를 비교적 깊게 들여다보는 경우가 많았습니다. 하지만 그래프 기술의 활용 범위를 조금 넓혀 보면, 새로운 모델이나 알고리즘이 아니더라도 흥미로운 사례와 질문을 곳곳에서 발견할 수 있습니다. * 특히 최근에는 그래프를 단순한 데이터 저장
26년 9월 2주차 그래프 오마카세
CLAUSE: Agentic Neuro-Symbolic Knowledge Graph Reasoning via Dynamic Learnable Context Engineering CLAUSE: Agentic Neuro-Symbolic Knowledge Graph Reasoning via Dynamic Learnable Context EngineeringICLR ProceedingsYang Zhao, Chengxiao Dai, Wei Zhuo, Yue Xiu, Dusit Niyato Keywords * Agentic Resource-Aware KG Reasoning * Budget-aware Dynamic Context Engineering * Constrained Multi-Agent RL * 지식그래프를
26년 9월 1주차 그래프 오마카세
Graph to Frame RAG: Visual-Space Knowledge Fusion for Training-Free and Auditable Video Reasoning Graph-to-Frame RAG: Visual-Space Knowledge Fusion for Training-Free and Auditable Video ReasoningWhen video reasoning requires external knowledge, many systems with large multimodal models (LMMs) adopt retrieval augmentation to supply the missing context.
26년 8월 4주차 그래프 오마카세
From Agent Loops to Structured Graphs: A Scheduler-Theoretic Framework for LLM Agent Execution From Agent Loops to Structured Graphs:A Scheduler-Theoretic Framework for LLM Agent ExecutionThe dominant paradigm for building LLM based agents is the Agent Loop, an iterative cycle where a single language model decides what to
26년 8월 3주차 그래프 오마카세
Graph Interview 소식 Graph Interview - 10th - Tobias Rebert - · LumaDifferentiate from LPG: RDF’s Real PowerLPG 대비 RDF가 가지는 결정적인 차별점과, 추상적인 온톨로지를 실제 데이터 레이어에서 강력하게 구현해내는 RDF만의 파워 Great Modeling for RDF (Migration from Knowledge…Yitae Jeong * 오는 8월 25일(화) 오후 8시–10시, 저희 GUG에서 진행하는 Graph Interview
26년 8월 2주차 그래프 오마카세
Is GraphRAG Needed? From Basic RAG to Graph-/Agentic Solutions with Context Optimization Is GraphRAG Needed? From Basic RAG to Graph-/Agentic Solutions with Context OptimizationLong Chen, Ryan Razkenari, Yuxuan Zhou, Yuan Tian, Rahul Ghosh, Venkatesh Pappakrishnan, Disha Ahuja, Vidya Sagar Ravipati. Proceedings of the Fifth Workshop on Generation, Evaluation
26년 8월 1주차 그래프 오마카세
Use Graph When It Needs: Efficiently and Adaptively Integrating Retrieval-Augmented Generation with Graphs Use Graph When It Needs: Efficiently and Adaptively Integrating Retrieval-Augmented Generation with GraphsLarge language models (LLMs) often struggle with knowledge-intensive tasks due to hallucinations and outdated parametric knowledge. While Retrieval-Augmented Generation (RAG) addresses
26년 7월 4주차 그래프 오마카세
GUG 커뮤니티의 반가운 소식 * 오랜만에 인사드립니다 ! 다시 오마카세를 찾아주신 분들도, 이번에 처음 오신 분들도 모두 반갑습니다. 한국도 무더위가 이어지고 있다고 들었는데, 모두 건강하게 잘 지내고 계셨나요? * 최근 저희 GUG(Graph User Group)에 정말 반가운 소식이 있어서 전해드리고자 합니다. GUG가 2026 오픈소스 AI·SW 커뮤니티 지원사업에 선정되었습니다. 7월 25일(토요일)
Graph Jobs and Opportunities Board
A public board for graph, data, AI, infrastructure, research, internship, speaker, and collaboration opportunities.
Graph Product Reviews: How We Test Tools
GraphUserGroup reviews graph products from a user perspective, including setup, cost, limits, and real use cases.
SEOCHO: Open-Source Graph Memory for Agents
SEOCHO is GraphUserGroup's open-source track for ontology-aligned graph memory, GraphRAG, and agent development.
26년 6월 4주차 그래프 오마카세
Topological Neural Operator Topological Neural OperatorsWe introduce Topological Neural Operators (TNOs), a principled framework for operator learning on cell complexes that lifts neural operators (NOs) from functions on points and/or edges to topological domains. TNOs represent data as features defined on cells of varying dimension and model their interactions