RAG / 检索增强生成

Capability-Driven Skill Generation with LLMs: A RAG-Based Approach for Reusing Existing Libraries and Interfaces

基于能力驱动的技能生成：一种基于RAG的方法，用于重用现有库和接口

Luis Miguel Vieira da Silva, Aljosha Köcher, Nicolas König, Felix Gehlhoff, Alexander Fay

机构 * Ruhr University, Bochum, Germany（鲁尔大学） 纠错

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

AI总结 本文提出一种基于RAG的方法，利用大语言模型生成可执行代码，通过整合现有库和接口实现能力驱动的技能生成。

Comments \c{opyright} 2025 IEEE. Personal use of this material is permitted. Permission from IEEE must be obtained for all other uses, in any current or future media, including reprinting/republishing this material for advertising or promotional purposes, creating new collective works, for resale or redistribution to servers or lists, or reuse of any copyrighted component of this work in other works

RAG-IT: Retrieval-Augmented Instruction Tuning for Automated Financial Analysis -- A Case Study for the Semiconductor Sector

RAG-IT：基于检索的指令微调用于自动化财务分析——半导体行业案例研究

Hai-Thien To, Tien-Cuong Bui, Van-Duc Le

机构 * University of Transport Technology（运输技术大学） ； Arontier Co., Ltd.（阿隆蒂尔公司） 纠错

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

AI总结 RAG-IT通过检索增强和指令微调，提升LLM在半导体行业财务分析中的性能，实现与商业系统相当的财务报告生成能力。

Comments We updated title, abstract and added more details in experiment section. We also updated the list of authors

A Comparative Study of Retrieval Methods in Azure AI Search

Azure AI Search中检索方法的比较研究

Qiang Mao, Han Qin, Robert Neary, Charles Wang, Fusheng Wei, Jianping Zhang, Nathaniel Huber-Fliflet

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

AI总结 本文比较了Azure AI Search中多种检索方法的性能，旨在提升电子发现中早期案件评估的效率和准确性。

Personalize Before Retrieve: LLM-based Personalized Query Expansion for User-Centric Retrieval

在检索前个性化：基于LLM的个性化查询扩展用于以用户为中心的检索

Yingyi Zhang, Pengyue Jia, Derong Xu, Yi Wen, Xianneng Li, Yichao Wang, Wenlin Zhang, Xiaopeng Li, Weinan Gan, Huifeng Guo, Yong Liu, Xiangyu Zhao

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

AI总结 本文提出PBR框架，通过在检索前个性化查询扩展，提升用户个性化检索的性能。

HealthcareNLP: where are we and what is next?

HealthcareNLP: 我们在哪里以及下一步是什么？

Lifeng Han, Paul Rayson, Suzan Verberne, Andrew Moore, Goran Nenadic

机构 * Leiden University Medical Centre（莱顿大学医学中心） ； Lancaster University（兰卡斯特大学） ； University of Manchester（曼彻斯特大学） ； The Leiden Institute of Advanced Computer Science（莱顿先进计算机科学研究所） 纠错

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

AI总结 本文提出一个关于HealthcareNLP的入门教程，涵盖医疗领域NLP的应用现状、挑战及未来方向，包含数据资源、NLP评估和患者层面的多层次内容。

Comments Accepted Tutorial by LREC 2026 https://lrec2026.info/