AI 大模型

RAG / 检索增强生成

检索增强生成、向量检索、知识库问答和面向大模型的搜索系统。

2025-12-02 至 2025-12-02 共收录 4 篇信号源：cs.IR, cs.CL, cs.AI, cs.DB

1. 检索器与排序 4 篇

2512.00772 2025-12-02 cs.IR cs.AI cs.DL 84%

SHRAG: AFrameworkfor Combining Human-Inspired Search with RAG

SHRAG：一种结合人类启发式搜索与RAG的框架

Hyunseok Ryu, Wonjune Shin, Hyun Park

机构 * Peoples' Friendship University of Russia (RUDN University)（俄罗斯人民友谊大学）； Joint Institute for Nuclear Research（联合核子研究中心）； Vrije Universiteit Amsterdam（阿姆斯特丹自由大学）； University of Skövde（斯德哥尔摩大学）； Department of AI Convergence（人工智能融合部门）； College of Information Computing（信息计算学院）

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

AI总结 SHRAG结合人类启发式搜索与RAG，提升检索精度与生成可靠性，实现多语言高效问答。

Comments 10 pages, 4 figures, 1 table, 1 algorithm, 3 prompts

2512.00367 2025-12-02 cs.IR cs.CL 84%

Breaking It Down: Domain-Aware Semantic Segmentation for Retrieval Augmented Generation

拆解难题：面向检索增强生成的领域感知语义分割

Aparajitha Allamraju, Maitreya Prafulla Chitale, Hiranmai Sri Adibhatla, Rahul Mishra, Manish Shrivastava

机构 * International Institute of Information Technology, Hyderabad, India（国际信息科技学院，海得拉巴，印度）

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

AI总结本文提出两种高效的语义分块方法PSC和MFC，通过PubMed数据训练，提升了检索增强生成的性能和跨领域泛化能力。

2410.02429 2025-12-02 cs.AI cs.CL 62%

IoT-LLM: a framework for enhancing Large Language Model reasoning from real-world sensor data

IoT-LLM: 一个增强大语言模型现实世界传感器数据推理能力的框架

Tuo An, Yunjiao Zhou, Han Zou, Jianfei Yang

机构 * MARS Lab, School of Mechanical and Aerospace Engineering, Nanyang Technological University, Singapore（MARS实验室，机械与航空航天工程学院，南洋理工大学，新加坡）； School of Mechanical and Aerospace Engineering, Nanyang Technological University, Singapore（机械与航空航天工程学院，南洋理工大学，新加坡）

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

AI总结 IoT-LLM通过整合物联网数据与常识知识，提升大语言模型在现实世界传感任务中的推理能力。

Comments 33 pages, 13 figures

2511.10695 2025-12-02 cs.CL 57%

"As Eastern Powers, I will veto." : An Investigation of Nation-level Bias of Large Language Models in International Relations

作为东方国家，我将 veto。：对大型语言模型在国际关系领域国家层面偏见的调查

Jonghyeon Choi, Yeonjun Choi, Hyun-chul Kim, Beakcheol Jang

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

AI总结本文研究了大型语言模型在国际关系领域中的国家层面偏见，提出了一种去偏框架以减少偏见并提升性能。

Comments 21 pages, 4 figures. This is the extended version of the paper accepted at AAAI 2026, which includes all technical appendices and additional experimental details

Journal ref AAAI 2026