RAG / 检索增强生成

ReVul-CoT: Towards Effective Software Vulnerability Assessment with Retrieval-Augmented Generation and Chain-of-Thought Prompting

ReVul-CoT：通过检索增强生成与链式推理提示实现有效的软件漏洞评估

Zhijie Chen, Xiang Chen, Ziming Li, Jiacheng Xue, Chaoyang Gao

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

AI总结 ReVul-CoT通过整合检索增强生成与链式推理提示，提升软件漏洞评估的准确性和效率。

Mesh RAG: Retrieval Augmentation for Autoregressive Mesh Generation

Mesh RAG: 用于自回归网格生成的检索增强

Xiatao Sun, Chen Liang, Qian Wang, Daniel Rakita

机构 * Yale University（耶鲁大学） 纠错

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

AI总结 Mesh RAG通过检索增强方法提升自回归网格生成的效率和质量，实现快速生成与增量编辑。

SePer: Measure Retrieval Utility Through The Lens Of Semantic Perplexity Reduction

SePer：通过语义困惑度降低的视角衡量检索效用

Lu Dai, Yijie Xu, Jinhui Ye, Hao Liu, Hui Xiong

机构 * The Hong Kong University of Science and Technology (Guangzhou)（香港科学与技术大学（广州）） ； The Hong Kong University of Science and Technology（香港科学与技术大学） ； Carnegie Mellon University（卡内基梅隆大学） 纠错

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

AI总结 SePer通过语义困惑度降低衡量检索效用，提供更精确的RAG评估方法

Comments ICLR 2025 Spotlight

Proposal of an AI-Based Support Assistant for the ALICE-FIT Detector Setup at CERN

面向CERN ALICE-FIT探测器设置的基于AI的支持助手提案

Ignacy Mermer, Jakub Muszyński, Jakub Możaryn, Krystian Rosłon

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

AI总结 本文提出基于AI的助手，用于支持CERN ALICE-FIT探测器操作，通过结合LLMs和RAG管道，提供上下文感知的诊断与解决方案建议。

RubiSCoT: A Framework for AI-Supported Academic Assessment

RubiSCoT：一种支持人工智能的学术评估框架

Thorsten Fröhlich, Tim Schlippe

机构 * IU International University of Applied Sciences（国际应用科学大学） 纠错

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

AI总结 RubiSCoT通过人工智能技术提升学术论文评估的效率和一致性，提供从提案到最终提交的全面评估解决方案。

Journal ref The 6th International Conference on Artificial Intelligence in Education Technology (AIET 2025), Munich, Germany, 29-31 July 2025

RAG-Driven Data Quality Governance for Enterprise ERP Systems

面向企业ERP系统的RAG驱动数据质量治理

Sedat Bin Vedat, Enes Kutay Yarkan, Meftun Akarsu, Recep Kaan Karaman, Arda Sar, Çağrı Çelikbilek, Savaş Saygılı

专题命中 图谱与结构化RAG ：RAG(title)；retrieval-augmented generation(abstract)；分类 cs.AI、cs.DB

AI总结 本文提出一种基于RAG的数据质量治理方法，通过自动化清洗与LLM生成SQL查询，提升企业ERP系统中多语言数据处理效率与准确性。

Universal Video Temporal Grounding with Generative Multi-modal Large Language Models

通用视频时间定位与生成多模态大语言模型

Zeqian Li, Shangzhe Di, Zhonghua Zhai, Weilin Huang, Yanfeng Wang, Weidi Xie

机构 * SAI, Shanghai Jiao Tong University（上海交通大学SAI实验室） ； ByteDance Seed（字节跳动种子） 纠错

专题命中 多模态RAG ：retriever(abstract)

AI总结 本文提出UniTime模型，利用生成多模态大语言模型实现通用视频时间定位，有效处理多类型视频并提升VideoQA任务性能。

Beyond Code Similarity: Benchmarking the Plausibility, Efficiency, and Complexity of LLM-Generated Smart Contracts

超越代码相似性：评估LLM生成智能合约的可信度、效率和复杂性

Francesco Salzano, Simone Scalabrino, Rocco Oliveto, Remo Pareschi

专题命中 RAG评测 ：retrieval-augmented generation(abstract)；RAG(abstract)

AI总结 本文评估了LLM生成智能合约的可信度、效率和复杂性，发现检索增强生成显著提升了功能正确性，但生成代码仍需专家验证。

Comments 20 pages