RAG / 检索增强生成

Hybrid Retrieval-Augmented Generation for Robust Multilingual Document Question Answering

混合检索增强生成用于鲁棒多语言文档问答

Anthony Mudet, Souhail Bakkali

机构 * Univ Rennes, CNRS, IRISA - UMR 6074（里昂大学、法国国家科学研究中心、IRISA - UMR 6074） ； L3i-lab, La Rochelle Université（L3i实验室、拉罗谢尔大学） 纠错

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

AI总结 本文提出混合检索增强生成方法，用于在嘈杂的历史文档中实现鲁棒的多语言问答，通过语义查询扩展、生成提示优化和模块化架构提升检索鲁棒性和问答准确性。

Comments Preprint

Grounding Large Language Models in Clinical Evidence: A Retrieval-Augmented Generation System for Querying UK NICE Clinical Guidelines

将大语言模型 grounded 在临床证据中：一种用于查询英国 NICE 临床指南的检索增强生成系统

Matthew Lewis, Samuel Thio, Amy Roberts, Catherine Siju, Whoasif Mukit, Rebecca Kuruvilla, Zhangshu Joshua Jiang, Niko Möller-Grell, Aditya Borakati, Richard JB Dobson, Spiros Denaxas

机构 * Institute of Health Informatics, University College London（健康信息学研究所，伦敦大学学院） ； Department of Biostatistics and Health Informatics, King’s College London（生物统计学与健康信息学系，伦敦国王学院） ； EPSRC DRIVE-Health CDT, London, U.K.（EPSRC DRIVE-Health CDT，伦敦，英国） ； Imperial College Healthcare NHS Trust（帝国学院医疗 NHS 信托） ； Black Country Healthcare NHS Foundation Trust（黑斯廷斯地区医疗 NHS 基础信托） ； Feldon Lane Surgery, The Dudley Group NHS Foundation Trust（费尔顿车道诊所，德比集团 NHS 基础信托） ； The Cleveland Clinic, London, U.K.（克利夫兰诊所，伦敦，英国） ； CogStack Limited（CogStack 有限公司） 纠错

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

AI总结 本文提出一种基于RAG的系统，用于查询英国NICE临床指南，通过检索增强生成技术提升回答的准确性和可靠性。

Citation-Grounded Code Comprehension: Preventing LLM Hallucination Through Hybrid Retrieval and Graph-Augmented Context

基于引用的代码理解：通过混合检索和图增强上下文防止LLM幻觉

Jahidul Arafat

机构 * Department of Computer Science and Software Engineering, Auburn University, Alabama, USA（计算机科学与软件工程系，阿伯丁大学，阿拉巴马州，美国） 纠错

专题命中 检索器与排序 ：hybrid retrieval(title,abstract)

AI总结 本文提出混合检索与图增强上下文方法，通过系统评估实现92%引用准确率，有效防止LLM幻觉。

Forging a Dynamic Memory: Retrieval-Guided Continual Learning for Generalist Medical Foundation Models

锻造动态记忆：基于检索的持续学习用于通用医学基础模型

Zizhi Chen, Yizhen Gao, Minghao Han, Yizhou Liu, Zhaoyu Chen, Dingkang Yang, Lihua Zhang

机构 * College of Intelligent Robotics and Advanced Manufacturing（智能机器人与先进制造学院） ； Fudan University（复旦大学） ； Fysics Intelligence Technologies Co., Ltd. (Fysics AI)（Fysics智能技术有限公司（Fysics AI）） ； School of Computer Science and Engineering（计算机科学与工程学院） ； Central South University（中南大学） 纠错

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

AI总结 本文提出基于检索的持续学习方法，通过动态知识蒸馏和RAG技术，解决多模态医学模型在领域迁移和细粒度特征保留中的核心难题。

SignRAG: A Retrieval-Augmented System for Scalable Zero-Shot Road Sign Recognition

SignRAG：一种用于可扩展零样本道路标志识别的检索增强系统

Minghao Zhu, Zhihao Zhang, Anmol Sidhu, Keith Redmill

机构 * Computer Engineering The Ohio State University（计算机工程 俄亥俄州立大学） ； Applied Research Transportation Research Center Inc.（应用研究 交通运输研究中心公司） ； Computer Engineering The Ohio State University Columbus, Ohio, USA（计算机工程 俄亥俄州立大学 哥伦布俄亥俄州） ； Applied Research Transportation Research Center Inc. East Liberty, Ohio, USA（应用研究 交通运输研究中心公司 埃斯特利比 俄亥俄州） 纠错

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

AI总结 SignRAG通过检索增强生成范式实现可扩展的零样本道路标志识别，结合视觉语言模型和大型语言模型，实现高准确率的标志识别。

Comments Submitted to IV 2026

SPAR: Session-based Pipeline for Adaptive Retrieval on Legacy File Systems

SPAR：基于会话的适应性检索管道

Duy A. Nguyen, Hai H. Do, Minh Doan, Minh N. Do

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

AI总结 SPAR通过轻量级两阶段流程整合LLMs与RAG架构，提升遗留文件系统中检索效率与准确性。

From Text to Returns: Using Large Language Models for Mutual Fund Portfolio Optimization and Risk-Adjusted Allocation

从文本到收益：利用大型语言模型进行共同基金投资组合优化与风险调整分配

Abrar Hossain, Mufakir Qamar Ansari, Haziq Jeelani, Monia Digra, Fayeq Jeelani Syed

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

AI总结 利用大型语言模型优化共同基金投资组合并提升风险调整分配效果，Zypher 7B模型在收益与风险控制方面表现突出。

Intelligent Scientific Literature Explorer using Machine Learning (ISLE)

基于机器学习的智能科学文献探索器（ISLE）

Sina Jani, Arman Heidari, Amirmohammad Anvari, Zahra Rahimi

机构 * Computer Engineering Department Allameh Tabatabaei University（阿勒马赫塔巴比大学计算机工程系） 纠错

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

AI总结 本文提出ISLE系统，结合大规模数据采集、混合检索、语义主题建模和异构知识图谱构建，提升科学文献探索的检索相关性、主题一致性和可解释性。

Comments 18 pages, 7 figures, 3 tables

Learning to Retrieve with Weakened Labels: Robust Training under Label Noise

通过弱化标签学习进行检索：在标签噪声下鲁棒训练

Arnab Sharma

机构 * Heinz Nixdorf Institute（海因茨·尼克斯多夫研究所） ； Paderborn University（帕德博恩大学） 纠错

专题命中 检索器与排序 ：dense retrieval(abstract)；分类 cs.IR

AI总结 本文提出通过弱化标签的方法来提高在存在标签噪声下的检索模型鲁棒性，通过允许多个可能的标签来改进检索任务性能。

Log Anomaly Detection with Large Language Models via Knowledge-Enriched Fusion

通过知识增强融合进行大规模语言模型的日志异常检测

Anfeng Peng, Ajesh Koyatan Chathoth, Stephen Lee

机构 * University of Pittsburgh（匹兹堡大学） ； Eaton Corporation（埃顿公司） 纠错

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

AI总结 EnrichLog通过知识增强融合技术，提升日志异常检测的准确性和可解释性，适用于实际系统部署。

SoK: Can Fully Homomorphic Encryption Support General AI Computation? A Functional and Cost Analysis

SoK：完全同态加密能否支持通用人工智能计算？功能与成本分析

Jiaqi Xue, Xin Xin, Wei Zhang, Mengxin Zheng, Qianqian Song, Minxuan Zhou, Yushun Dong, Dongjie Wang, Xun Chen, Jiafeng Xie, Liqiang Wang, David Mohaisen, Hongyi Wu, Qian Lou

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

AI总结 本文探讨FHE能否支持通用AI计算，通过功能和成本分析评估了十种FHE方法，并针对混合线性和非线性操作的工作负载进行了基准测试。

Comments 26th Privacy Enhancing Technologies Symposium (PETS 2026)