Weekly graph technology trend reviews covering graph databases, GraphRAG, GNNs, ontology, and knowledge graphs.
GraphOmakase
#GUG X AWS NEPTUNE WORKSHOP 안내 11월 26일(목), AWS Neptune 팀과 함께 Enterprise Ontology를 Agentic AI에 적용하는 워크숍을 진행합니다. 그동안 많은 기업과 엔지니어들이 Enterprise Ontology를 구축하기 위해 노력해 왔습니다. 하지만 잘 구축된 Ontology를 LLM이 실제로 이해하고, 활용하고, 나아가 기업의 의사결정에 반영하도록 만드는 것은 또 다른 문제라 생각하는데요. 이번 워크숍에서는
GraphOmakase
WorldGraph: Graph-Native World Modeling https://arxiv.org/pdf/2609.34159 Keywords * Graph World Model * Dynamic networks * State-aware Graph Transformer * Transition-aware Reinforcement Learning * 최근 AI 연구에서 월드모델은 단순히 주어진 정보를 인식하고 답변하는 것을 넘어, 현재 상태를 이해하고 앞으로 어떤 변화가 일어날지 예측하는 모델을 만들려는 핵심 키워드입니다. 특히 로보틱스와
GraphOmakase
#GUG X AWS Neptune 안녕하세요, GUG입니다. 이번주엔 AWS korea Neptune 팀의 초청으로 GUG(Graph User Group) 운영진들과 AWS 간 'Neptune X GUG'를 주제로 깊이 있는 이야기를 나누고 왔습니다. 그간 링크드인을 보며 AWS Neptune에 대해 궁금했던 점들을 속 시원히 해소하고, 향후 로드맵까지 확인할 수 있었던 뜻깊은 시간이었네요. 특히
GraphOmakase
Opensource – LadybugDB v0.21.0 Release LadybugDB v0.21.0 ReleaseLadybugDB v0.21.0 brings correctness, stability and performance improvements with GraphLake, SQL pushdown, and lakehouse integrations.Ladybug BlogLadybug Inc.GitHub - LadybugDB/ladybug: LadybugDB a graph databaseLadybugDB a graph database. Contribute to LadybugDB/ladybug development by creating an account on
GraphOmakase
[ADS] 1.GUG X Neo4j 국내 최초 neo4j 행사 밋업을 GUG 그리고 52g X GS 와 함께 11월 5일 목요일에 진행합니다. 국내에서는 GUG(Graph User Group)를 중심으로 오랫동안 Neo4j, Knowledge Graph, GraphRAG와 관련된 기술과 경험을 공유해왔는데요.이번에는 한 걸음 더 나아가 Neo4j 본사와 직접 협업하여 행사를 준비하게 되었습니다. 특히
GraphOmakase
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
GraphOmakase
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.
GraphOmakase
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
GraphOmakase
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
GraphOmakase
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
GraphOmakase
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
GraphOmakase
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)