RAG / 检索增强生成

Use of Retrieval-Augmented Large Language Model Agent for Long-Form COVID-19 Fact-Checking

使用检索增强型大语言模型代理进行长期形式的新冠事实核查

Jingyi Huang, Yuyi Yang, Mengmeng Ji, Charles Alba, Sheng Zhang, Ruopeng An

机构 * New York University, USA（纽约大学） ； Washington University in St. Louis, USA（华盛顿大学圣路易斯分校） ； Shanghai University of Sports, China（上海体育大学） 纠错

专题命中 长文档RAG ：retrieval-augmented generation(abstract)；RAG(abstract)；分类 cs.IR、cs.CL、cs.AI

AI总结 本文提出SAFE系统，结合大语言模型与检索增强生成技术，有效提升长期新冠虚假信息的事实核查能力。

InvisibleInk: High-Utility and Low-Cost Text Generation with Differential Privacy

InvisibleInk: 基于差分隐私的高效低成本文本生成

Vishnu Vinod, Krishna Pillutla, Abhradeep Guha Thakurta

机构 * CeRAI, IIT Madras（CeRAI，IIT马德拉斯） ； WSAI, IIT Madras（WSAI，IIT马德拉斯） ； Google DeepMind（谷歌DeepMind） 纠错

专题命中 长文档RAG ：retrieval-augmented generation(abstract)；RAG(abstract)；分类 cs.CL

AI总结 InvisibleInk通过差分隐私保证，在降低计算成本的同时生成高质量隐私保护的长文本。

Comments Published at NeurIPS 2025