RAG / 检索增强生成

MuISQA: Multi-Intent Retrieval-Augmented Generation for Scientific Question Answering

MuISQA: 多意图检索增强生成用于科学问答

Zhiyuan Li, Haisheng Yu, Guangchuan Guo, Nan Zhou, Jiajun Zhang

专题命中 检索器与排序 ：retrieval-augmented generation(title,abstract)；RAG(abstract)；分类 cs.AI

AI总结 MuISQA提出一种多意图检索增强生成框架，通过意图感知检索和RRF融合提升科学问答任务的证据覆盖和检索准确性。

Comments 15 pages

QBR: A Question-Bank-Based Approach to Fine-Grained Legal Knowledge Retrieval for the General Public

QBR: 基于问题库的面向大众的细粒度法律知识检索方法

Mingruo Yuan, Ben Kao, Tien-Hsuan Wu

机构 * The University of Hong Kong（香港大学） 纠错

专题命中 检索器与排序 ：knowledge retrieval(title,abstract)；分类 cs.IR、cs.AI

AI总结 QBR方法通过构建问题库提升大众对法律知识的细粒度检索能力，实现更准确、高效且可解释的检索结果。

Build AI Assistants using Large Language Models and Agents to Enhance the Engineering Education of Biomechanics

利用大型语言模型和智能体构建AI助教以增强生物力学工程教育

Hanzhi Yan, Qin Lu, Xianqiao Wang, Xiaoming Zhai, Tianming Liu, He Li

专题命中 检索器与排序 ：retrieval-augmented generation(abstract)；RAG(abstract)；分类 cs.AI

AI总结 本文提出利用RAG和MAS提升LLM在生物力学教育中的表现，通过双模块框架增强教学效果。

OmniThink: Expanding Knowledge Boundaries in Machine Writing through Thinking

OmniThink: 通过思考扩展机器写作的知识边界

Zekun Xi, Wenbiao Yin, Jizhan Fang, Jialong Wu, Runnan Fang, Yong Jiang, Pengjun Xie, Fei Huang, Huajun Chen, Ningyu Zhang

机构 * Zhejiang University（浙江大学） ； Tongyi Lab, Alibaba Group（阿里云实验室，阿里巴巴集团） ； Zhejiang Key Laboratory of Big Data Intelligent Computing（浙江大数据智能计算重点实验室） 纠错

专题命中 检索器与排序 ：retrieval-augmented generation(abstract)；分类 cs.IR、cs.CL、cs.AI

AI总结 OmniThink通过模拟人类思考过程，提升机器写作的知识密度和原创性，解决传统方法在生成长文时的不足。

Comments EMNLP 2025

NutriScreener: Retrieval-Augmented Multi-Pose Graph Attention Network for Malnourishment Screening

NutriScreener: 一种结合检索增强的多姿态图注意力网络用于营养不良筛查

Misaal Khan, Mayank Vatsa, Kuldeep Singh, Richa Singh

专题命中 检索器与排序 ：knowledge retrieval(abstract)；分类 cs.AI

AI总结 NutriScreener通过结合检索增强的多姿态图注意力网络，实现儿童营养不良的高效检测与体格测量预测，适用于低资源环境。

Comments Accepted in AAAI 2026 Special Track on AI for Social Impact