W-RAG: Source-Aware Retrieval for Enterprise Document Generation from Heterogeneous Knowledge Bases
The University of Texas at Dallas(德克萨斯大学达拉斯分校);DIGITAL MANAGEMENT, LLC (DMI);Massachusetts Institute of Technology(麻省理工学院)
针对异构知识库下企业文档生成中全局排序导致的上下文失衡问题,提出源感知检索框架W-RAG,引入相关数据集并验证其可提升文档覆盖率与生成质量。
2026-08-25 cs.CL cs.IR cs.SE
VDGR-RAG: Vectors, Directories, Graphs, and Reflection Are All You Need for Unified Reasoning over Hierarchical Enterprise Knowledge
Huawei Technologies(华为技术有限公司)
针对现有RAG方法在企业知识问答中存在的局限,提出整合向量、目录、图与反思的VDGR-RAG智能体GraphRAG系统,经实验其在召回率和准确率上均优于多种RAG基线。
2026-08-19 cs.AI cs.IR
Higress-RAG: A Holistic Optimization Framework for Enterprise Retrieval-Augmented Generation via Dual Hybrid Retrieval, Adaptive Routing, and CRAG
School of Computer Science, Northwestern Polytechnical University(计算机学院,西北工业大学)
Higress-RAG通过双混合检索、自适应路由和CRAG实现企业检索增强生成的综合优化,提升检索精度与生成可靠性。
2025-12-30 cs.AI cs.CL cs.IR
A Systematic Framework for Enterprise Knowledge Retrieval: Leveraging LLM-Generated Metadata to Enhance RAG Systems
University of Illinois Chicago(伊利诺伊大学芝加哥分校)
本文提出一种系统性的元数据增强框架,利用大语言模型提升RAG系统的文档检索性能,通过实验验证元数据增强对检索精度和排名质量的提升效果。
2026-03-31 cs.AI cs.IR
FinCacheServe: Dependency-Consistent Answer Reuse for Cost-Efficient RAG Serving over Mutable Enterprise Documents
The Chinese University of Hong Kong(香港中文大学);Beijing Institute of Technology(北京理工大学)
FinCacheServe为可变企业文档的RAG服务设计依赖一致的答案复用机制,可跳过大量LLM调用,相比现有方法能降低能耗,提升服务成本效率。
2026-07-30 cs.AI cs.IR
PULSAR: Pooled Unified Late-Interaction Search and Retrieval for Enterprise Visual Document RAG
Microsoft(微软);Inception42;Mubadala Investment Company(穆巴达拉投资公司)
针对企业视觉文档RAG的检索难题,提出PULSAR系统,采用池化两阶段后期交互索引,在延迟、QPS、成本等指标上显著优于OCR基线,已在生产环境大规模应用。
2026-11-09 cs.IR
Orchestrating Specialized Agents for Trustworthy Enterprise RAG
Atlassian(阿特拉斯)
ADORE通过结构化记忆库和迭代协调机制,提升企业RAG在高风险决策中的可追溯性和证据完整性。
2026-10-06 cs.AI cs.IR
SPAR: Session-based Pipeline for Adaptive Retrieval on Legacy File Systems
Siebel school of Computing and Data Science(塞贝尔计算与数据科学学院);School of Communication and Information Technology(通信与信息工程学院);University of Illinois, Urbana-Champaign(伊利诺伊大学厄巴纳-香槟分校);Hanoi University of Science and Technology(河内科技大学);Bioimaging Analytics(生物影像分析);Electrical and Computer Engineering(电气与计算机工程);GlaxoSmithKline, Collegeville, PA, USA(葛兰素史克)
SPAR通过轻量级两阶段流程整合LLMs与RAG架构,提升遗留文件系统中检索效率与准确性。
2025-12-15 cs.IR
Corpus2Skill: Distilling Enterprise Knowledge into Navigable Agent Skills for QA and RAG
Magellan Technology Research Institute(马格纳技术研究 institute)
本文提出Corpus2Skill,通过将文档库转化为层次化技能目录,使LLM代理在服务时能导航该目录,提升问答质量和 grounding,但指出导航并非所有场景下的最佳替代方案。
2026-08-27 cs.AI cs.CL cs.IR
One Retrieval to Cover Them All: Co-occurrence-Aware Knowledge Base Reorganization for Session-Level RAG
University of Southern California(南加州大学)
针对会话级信息需求,提出基于共现聚类的知识库离线重组和查询时扩展检索候选的方法,将单次查询会话覆盖率从41%提升至58%,并压缩知识库至原大小的20%。
2026-07-01 cs.AI cs.IR
MetaGen Blended RAG: Unlocking Zero-Shot Precision for Specialized Domain Question-Answering
IBM
针对企业专业领域RAG零样本精度低的问题,提出MetaGen Blended RAG,通过元数据生成与混合查询索引增强检索,在PubMedQA上超越现有零样本基准并媲美微调模型。
2025-08-05 cs.AI cs.CL cs.IR
EnronQA: Towards Personalized RAG over Private Documents
Stanford University(斯坦福大学);Snowflake(Snowflake公司)
针对现有RAG基准缺乏私有数据与个人上下文的问题,研究发布了包含103,638封邮件和528,304个问答对的EnronQA基准,以支持私有文档的个性化RAG评估,并探索记忆与检索的权衡。
2025-05-01 cs.CL cs.IR
TurboVec: A Case Study in Cost-Efficient Private Retrieval for Enterprise RAG via Codebook-Oblivious Quantization
研究RAG系统向量检索层挑战,介绍基于TurboQuant的TurboVec开源向量索引。通过实验对比,表明TurboQuant在内存和召回率上有优势,TurboVec部署效果好,码本无关设计提升隐私性,不过存在单一数据集评估等局限。
2026-07-21 cs.AI cs.IR cs.LG
PentaRAG: Large-Scale Intelligent Knowledge Retrieval for Enterprise LLM Applications
PentaRAG提出五层路由模块,通过双缓存、记忆召回、自适应会话记忆与常规检索增强层,在保持检索质量的同时显著降低延迟和GPU成本,实现企业级RAG系统的高效生产部署。
2025-06-18 cs.DB cs.IR
An Agile Method for Implementing Retrieval Augmented Generation Tools in Industrial SMEs
LAMIH CNRS/Université Polytechnique Hauts-de-France(LAMIH CNRS/上法兰西理工大学);CIRRELT;Polytechnique Montréal(蒙特利尔理工学院);Meedia;Arts et Métiers Institute of Technology(法国国立高等工程技术学院)
本文提出EASI-RAG敏捷方法,通过明确角色、活动和技术,帮助资源有限的工业中小企业快速部署检索增强生成工具,并在环境测试实验室案例中验证了其快速实施、高采用率和准确回答的效果。
2025-08-28 cs.CL cs.IR
Evaluating Chunking Strategies For Retrieval-Augmented Generation in Oil and Gas Enterprise Documents
Digital and Innovation Department, Nigeria LNG Limited(尼日利亚LNG公司数字与创新部门)
本文研究了四种分块策略在石油和天然气企业文档中的效果,发现结构感知分块在检索效果和计算成本上表现最佳,但对图表类文档仍有限。
2026-03-25 cs.AI cs.IR
Evidence Contextualization and Counterfactual Attribution for Conversational QA over Heterogeneous Data with RAG Systems
Fraunhofer IIS(弗劳恩霍夫应用研究促进协会 IIS);Audio and Media Technologies(音频与媒体技术)
针对RAG系统检索缺乏上下文及归因非因果的问题,提出RAGONITE系统,通过证据上下文化与反事实归因提升性能,并发布ConfQuestions基准验证有效性。
2024-12-23 cs.CL cs.IR
From Documents to Dialogue: Building KG-RAG Enhanced AI Assistants
针对大语言模型无法访问企业内部文档导致响应不准确的问题,提出构建高质量低噪声知识图谱的方法,结合RAG框架增强AI助手,显著提升了响应相关性。
2025-02-21 cs.IR
Advancing Retrieval-Augmented Generation for Structured Enterprise and Internal Data
IIT Roorkee(罗尔基大学)
针对LLM处理企业结构化数据的局限,提出结合稠密嵌入与BM25混合检索、语义分块及交叉编码器重排序的先进RAG框架,显著提升了企业数据检索的准确率与响应质量。
2025-07-16 cs.AI cs.CE cs.CL
From Naive RAG to Deep Agentic Retrieval: An Evolving Context Engineering Pipeline for Regulatory Compliance
Ontario Power Generation(安大略发电公司);Dalhousie University(达尔豪斯大学)
研究针对RAG朴素实现的局限,追溯安大略发电公司检索管道演变,历经多阶段形成PEA-CAE架构,表明上下文工程对监管语料库更具优势,深度智能检索进展反映经典思想,迭代证据获取等渐成企业问答基础。
2026-07-29 cs.AI cs.CL cs.IR
AgenticRAG: Agentic Retrieval for Enterprise Knowledge Bases
Microsoft Corporation(微软公司)
AgenticRAG通过在现有企业检索基础设施上叠加轻量级代理框架,使语言模型能够自主迭代检索信息、导航文档并分析证据,提升了检索准确率和事实性。
2026-05-07 cs.AI cs.IR
Better Together: Complementary Query Rewriting Under a Strong RAG Baseline
ServiceNow
本研究证明查询改写应作为强RAG基线的互补覆盖源,通过成本感知路由组合多种策略,在企业数据上提升HIT@10达12.5点,而非独立替代基线。
2026-09-10 cs.CL cs.IR
Securing the Agent: Vendor-Neutral, Multitenant Enterprise Retrieval and Tool Use
Red Hat AI(红帽AI)
本文针对多租户企业环境中检索与工具使用的安全问题,提出分层隔离架构,通过政策感知摄入、检索时门控和共享推理,实现安全隔离与授权控制。
2026-05-06 cs.AI cs.CR cs.IR
Pre-retrieval Query Clustering for Adaptive Top-k Document Retrieval in RAG Systems
Portland State University(波特兰州立大学);EvenUp
针对RAG系统固定top-k检索的弊端,提出基于预检索查询聚类的自适应检索深度框架,离线估计查询难度并聚类推荐检索深度,在线常数时间分配,在真实流量中F1提升36%以上且token减少14%。
2026-09-16 cs.IR
Multi-task retriever fine-tuning for domain-specific and efficient RAG
ServiceNow
本文提出对小型检索器编码器进行多任务指令微调,使单个编码器能服务多个特定领域RAG应用,在真实企业场景中实现低成本、可扩展且可泛化到未见任务的检索。
2025-07-16 cs.CL cs.IR cs.LG
Conversational Query Engine for Mixed-Modality Heterogeneous Enterprise Data Sources
PayPal Artificial Intelligence(PayPal人工智能)
提出COGNI系统,通过四层架构(索引、路由、检索、缓存)统一处理结构化与非结构化数据,实现高精度、低成本的混合模态查询。
2026-06-15 cs.AI cs.IR
The Power of Noise: Redefining Retrieval for RAG Systems
Sapienza University of Rome(罗马第一大学);Technology Innovation Institute(技术创新研究院);University of Pisa(比萨大学)
本文首次系统考察RAG系统的检索策略,发现与查询不直接相关的最高分文档会损害大语言模型效果,而在提示中加入随机文档反而可将准确率提升高达35%,揭示了重新定义检索策略的必要性。
2024-05-01 cs.CL cs.IR
An automatic patent literature retrieval system based on LLM-RAG
Belarusian State University(白俄罗斯国立大学);Uber Technologies, Inc.(优步技术公司);Stanford University(斯坦福大学)
针对传统专利检索方法的局限性,本研究提出基于LLM-RAG的自动专利检索框架,通过标准化预处理、LLM嵌入向量检索及RAG增强查询模块,在Google Patents数据集上实现80.5%准确率和92.1%召回率,较基线提升28个百分点,为智能专利检索提供有效方案。
2025-08-11 cs.AI cs.IR
Scaling Retrieval Augmented Generation with RAG Fusion: Lessons from an Industry Deployment
Dell Technologies(戴尔技术)
本研究发现,在现实生产约束下,RAG融合技术的召回提升在重排序后被抵消,且未带来下游效果的显著改善。
2026-03-02 cs.AI cs.CL cs.IR
Agentic Retrieval-Augmented Generation: A Survey on Agentic RAG
Cleveland State University(克利夫兰州立大学);Kent State University(肯特州立大学);Northeastern University(东北大学);Roux Institute at Northeastern University(东北大学鲁克斯研究所);University of Agder (UiA)(阿格德尔大学)
本文综述了代理RAG系统,分析了其架构分类、设计权衡及应用,指出其在灵活性、可扩展性和上下文感知方面的优势,并探讨了未来研究方向。
2026-04-01 cs.AI cs.CL cs.IR
Unleashing the Potential of Large Language Models: A Blueprint for Real-Time, Enterprise-Ready Deployments
针对实时受监管场景中大语言模型的问题,提出基于模式的LLMOps架构,整合多模块并实现四项模式化贡献,优化权衡同时支持高风险领域的可审计与回滚部署。
2026-08-04 cs.AI cs.CL cs.IR
Cost-Governed RAG: Unified Per-Tenant Cost Attribution Across Retrieval and Generation in Multi-Tenant LLM Systems
研究多租户大语言模型系统中成本治理问题,提出成本治理的RAG架构,集成TurboVec与治理网关实现统一可观测堆栈,能按租户联合归因成本,准确率高且降低成本,还形式化三层成本模型。
2026-07-15 cs.AI cs.DB cs.IR
Retrieval Pivot Attacks in Hybrid RAG: Measuring and Mitigating Amplified Leakage from Vector Seeds to Graph Expansion
混合RAG中检索偏置攻击通过实体链接导致敏感数据泄露,通过强制图扩展边界授权可有效缓解该问题。
2026-03-08 cs.CR cs.IR cs.LG
Three Sides of Retrieval: Factorial Evidence for Document-Side, Query-Side, and Answer-Side Complementarity in RAG
United Nations University(联合国大学)
研究RAG系统中检索问题,提出目录引导的页面检索新算法,通过实验发现该算法对答案质量有显著影响,与答案侧验证结合优于查询侧分解+验证,证明文档、查询、答案侧增强互补,且默认设置接近最优。
2026-07-29 cs.AI cs.IR
CustomIR: Unsupervised Fine-Tuning of Dense Embeddings for Known Document Corpora
Valkyrie Andromeda(瓦尔基里安德墨达)
针对稠密嵌入模型在专业语料上性能下降的问题,提出CustomIR框架,借助LLM生成合成查询-文档对与难负例实现无监督领域适配,实验显示小模型Recall@10最高提升2.3点,可媲美大模型,提供了可扩展的低成本领域性能提升方案。
2025-10-28 cs.AI cs.IR
Reference-Aligned Retrieval-Augmented Question Answering over Heterogeneous Proprietary Documents
Department of Computer Science Emory University Atlanta Georgia USA(计算机科学系 埃默里大学 阿拉巴马 州 美国);Emory University(埃默里大学)
本文提出面向企业内部的RAG问答框架,通过多模态数据流水线、本地隐私保护架构和轻量级参考匹配器,在汽车领域提升答案的事实正确性、信息量与有用性,并实现答案与源文档的可追溯。
2025-08-27 cs.AI cs.IR
Zep: A Temporal Knowledge Graph Architecture for Agent Memory
Zep AI
Zep 提出时间感知知识图谱架构,通过动态整合对话与业务数据,在记忆检索基准上超越 MemGPT,准确率提升达18.5%,延迟降低90%。
2025-01-20 cs.AI cs.CL cs.IR
MuRAR: A Simple and Effective Multimodal Retrieval and Answer Refinement Framework for Multimodal Question Answering
University of Texas at Arlington(得克萨斯大学阿灵顿分校);Adobe(奥多比公司)
本文提出 MuRAR 框架,通过检索相关多模态数据并精化文本答案,生成连贯的多模态答案,以提升企业聊天机器人等场景中问答的有用性和可读性。
2025-02-07 cs.CL cs.IR
Hybrid Retrieval-Augmented Generation with Knowledge Graph Expansion, RRF Fusion, and Per-Chunk Grounded Evaluation for Enterprise Document Search
Vodafone Idea(沃达丰创意公司)
该研究针对企业文档搜索难题,提出结合知识图谱扩展、RRF融合及分块 grounded 评估的混合 RAG 系统 DocuSearch,在电信语料库上较基线取得显著性能提升。
2026-09-03 cs.AI cs.IR cs.LG
Reducing hallucination in structured outputs via Retrieval-Augmented Generation
ServiceNow
本文针对 GenAI 结构化输出中的幻觉问题,提出基于 RAG 的工作流生成系统,显著降低幻觉、增强域外泛化,并支持以小型检索器编码器减小 LLM 部署资源开销。
2024-04-12 cs.AI cs.CL cs.IR
Fast and Faithful: Real-Time Verification for Long-Document Retrieval-Augmented Generation Systems
MBZUAI, McGill University(MBZUAI,麦吉尔大学)
本文提出一种实时验证组件,用于长文档检索增强生成系统,通过平衡响应时间和验证覆盖度,提升对长文档的忠实性验证。
2026-03-04 cs.CL cs.IR
Agentic Assistant for 6G: Turn-based Conversations for AI-RAN Hierarchical Co-Management
Cranfield University(克兰菲尔德大学)
本文提出了一种基于回合的对话助手,用于AI-RAN的分层协同管理,通过三层架构实现高效网络管理和降低运营成本。
2026-02-14 cs.IR cs.NI
Developing Visual Augmented Q&A System using Scalable Vision Embedding Retrieval & Late Interaction Re-ranker
Fidelity Investments(富达投资)
本文提出一种多步骤定制方案,利用混合搜索与后期交互重排序器检索最佳匹配页面,并使用多模态大语言模型生成答案,解决了视觉增强问答中检索可扩展性与效率的问题。
2025-07-16 cs.CL cs.IR
Pneuma: Leveraging LLMs for Tabular Data Representation and Retrieval in an End-to-End System
本文提出Pneuma,一个利用大语言模型进行表格表示与检索的RAG系统,通过保留模式与行级信息并结合全文与向量搜索,在六个真实数据集上验证其优于现有表格搜索系统的准确性与资源效率。
2025-04-12 cs.DB cs.IR
Multi-Agent Retrieval-Augmented Generation for Efficient Cloud Knowledge Base Search in Telecom SNOC Environment
Vodafone Idea(沃达丰创意公司)
针对电信SNOC云文档搜索的痛点,提出基于多智能体RAG的Athena框架,结合多检索方式与LLM评估,在4200个文档的语料库上取得MRR@10为0.910、EM为78.4%的效果,满足离线与数据主权要求。
2026-09-03 cs.IR cs.LG
Architecture Matters More Than Scale: A Comparative Study of Retrieval and Memory Augmentation for Financial QA Under SME Compute Constraints
Washington University in St. Louis(华盛顿大学圣路易斯分校);New York University(纽约大学);Northeastern University(东北大学)
本文在中小企业计算限制下比较了检索增强生成和记忆增强推理架构,发现结构化记忆在确定性任务中更精确,而检索方法在对话场景中表现更优,提出混合部署框架以平衡准确性、可审计性和效率。
2026-05-10 cs.IR
Enhancing Retrieval Performance: An Ensemble Approach For Hard Negative Mining
本研究针对信息检索中难负例筛选的难题,提出适用于企业领域数据集的鲁棒难负例挖掘技术,通过交叉编码器同时学习相似性与差异性提升检索性能,为优化RAG、ReAct等大模型系统提供新视角。
2024-10-18 cs.AI cs.CL cs.IR
UniK: Universal Knowledge Perception for Digital and Physical AI
AIntropy AI
UniK提出通用知识感知平台,通过多索引融合检索,无需微调即可在数字与物理AI领域超越大规模专有模型,解决异构知识获取瓶颈。
2026-09-22 cs.AI cs.CV cs.IR