RAG / 检索增强生成

GFM-RAG: Graph Foundation Model for Retrieval Augmented Generation

基于图的检索增强生成模型：图基础模型

Linhao Luo, Zicheng Zhao, Gholamreza Haffari, Dinh Phung, Chen Gong, Shirui Pan

机构 * Monash University（墨尔本大学） ； Nanjing University of Science and Technology（南京理工大学） ； Shanghai Jiao Tong University（上海交通大学） ； Griffith University（格里菲斯大学） 纠错

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

AI总结 GFM-RAG是一种基于图的检索增强生成模型，通过创新的图神经网络捕捉复杂查询-知识关系，实现了在未见数据集上的高效性能和泛化能力。

Comments Accepted by NeurIPS 2025

On the Consistency of Multilingual Context Utilization in Retrieval-Augmented Generation

在检索增强生成中多语言上下文利用的一致性

Jirui Qi, Raquel Fernández, Arianna Bisazza

机构 * Center for Language and Cognition (CLCG), University of Groningen（格罗宁根大学语言与认知中心） ； Institute for Logic, Language and Computation (ILLC), University of Amsterdam（阿姆斯特丹大学逻辑、语言与计算研究所） 纠错

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

AI总结 研究探讨LLMs在多语言RAG中利用不同语言上下文的一致性，发现其能提取异语言信息但难以生成正确语言答案。

Comments Best Paper Award at MRL Workshop 2025, colocated with EMNLP 2025. All codes and data are released at https://github.com/Betswish/mRAG-Context-Consistency

Pointwise Mutual Information as a Performance Gauge for Retrieval-Augmented Generation

点wise互信息作为检索增强生成的性能评估指标

Tianyu Liu, Jirui Qi, Paul He, Arianna Bisazza, Mrinmaya Sachan, Ryan Cotterell

机构 * ETH Zürich（苏黎世联邦理工学院） ； CLCG, University of Groningen（格罗宁根大学认知语言学中心） ； University of Toronto（多伦多大学） 纠错

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

AI总结 本文提出利用点wise互信息作为检索增强生成的性能评估指标，通过实验验证其在提升生成性能中的有效性。

Comments NAACL 2025 Main Conference. Code is available at https://github.com/lyutyuh/poptimizer

TP-RAG: Benchmarking Retrieval-Augmented Large Language Model Agents for Spatiotemporal-Aware Travel Planning

TP-RAG：用于时空感知旅行规划的检索增强型大语言模型代理基准测试

Hang Ni, Fan Liu, Xinyu Ma, Lixin Su, Shuaiqiang Wang, Dawei Yin, Hui Xiong, Hao Liu

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

AI总结 TP-RAG提出了一种用于时空感知旅行规划的检索增强型大语言模型基准测试，通过整合参考轨迹提升旅行计划的空间效率和兴趣点合理性，采用EvoRAG框架实现更高效的时空合规性。

Journal ref Proceedings of the 2025 Conference on Empirical Methods in Natural Language Processing

AgriRegion: Region-Aware Retrieval for High-Fidelity Agricultural Advice

AgriRegion: 基于区域意识的高保真农业建议检索

Mesafint Fanuel, Mahmoud Nabil Mahmoud, Crystal Cook Marshal, Vishal Lakhotia, Biswanath Dari, Kaushik Roy, Shaohu Zhang

机构 * North Carolina A\&T State University（北卡罗来纳A&T州立大学） ； The University of Alabama（阿拉巴马大学） ； North Carolina Agricultural and Technical State University（北卡罗来纳农业与技术州立大学） ； Amazon AWS（亚马逊AWS） 纠错

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

AI总结 AgriRegion通过区域意识检索增强生成框架，提升农业建议的本地准确性与可靠性。

Comments 15 pages

Suzume-chan: Your Personal Navigator as an Embodied Information Hub

Suzume-chan: 你的个人导航员作为具身信息中心

Maya Grace Torii, Takahito Murakami, Shuka Koseki, Yoichi Ochiai

机构 * Doctoral Program in Informatics, University of Tsukuba（信息学博士项目，东京大学） ； Doctoral Program in Nursing Science, University of Tsukuba（护理科学博士项目，东京大学） ； Institute of Library, Information and Media Science, University of Tsukuba（图书馆、信息与媒体科学研究所，东京大学） 纠错

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

AI总结 Suzume-chan通过具身交互实现人机知识共享，利用本地AI和对话技术提升信息传递的温度与连通性。

Comments 3 pages, 1 figure, This study will demonstrate at WISS 2025

Development of an Agentic AI Model for NGS Downstream Analysis Targeting Researchers with Limited Biological Background

面向生物背景有限研究者的NGS下游分析代理AI模型开发

Donghyeon Lee, Dongseok Kim, Seokhwan Ko, Seo-Young Park, Junghwan Cho

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

AI总结 本文提出了一种面向生物背景有限研究者的代理AI模型，通过自动化NGS下游分析、文献支持的解释和高级分析方法推荐，实现从基础数据处理到假设验证的无缝过渡。