RAG / 检索增强生成

Enhancing Long-term RAG Chatbots with Psychological Models of Memory Importance and Forgetting

通过记忆重要性与遗忘的心理模型增强长期RAG聊天机器人

Ryuichi Sumida, Koji Inoue, Tatsuya Kawahara

机构 * Graduate School of Informatics Kyoto University（京都大学信息学研究科） 纠错

专题命中 RAG评测 ：RAG(title,abstract)；retrieval-augmented generation(abstract)；分类 cs.CL、cs.AI

AI总结 LUFY通过优先保留情绪唤醒记忆并遗忘大部分对话内容，提升长期对话体验和聊天机器人性能。

Comments 37 pages, accepted and published in Dialogue & Discourse 16(2) (2025)

Journal ref Dialogue & Discourse 16(2) (2025) 74--110

ModelTables: A Corpus of Tables about Models

ModelTables: 一个关于模型的表格语料库

Zhengyuan Dong, Victor Zhong, Renée J. Miller

机构 * University of Waterloo（滑铁卢大学） ； University Waterloo（滑铁卢大学） 纠错

专题命中 RAG评测 ：dense retrieval(abstract)；hybrid retrieval(abstract)；分类 cs.IR、cs.AI、cs.DB

AI总结 ModelTables是一个大规模结构化数据基准，用于评估模型和表格的相关性，通过表格搜索展示了改进语义检索和结构化知识组织的潜力。

Comments 14 pages, 8 figures and 8 tables

MAVIS: A Benchmark for Multimodal Source Attribution in Long-form Visual Question Answering

MAVIS：多模态来源归因的长形式视觉问答基准

Seokwon Song, Minsu Park, Gunhee Kim

专题命中 RAG评测 ：RAG(abstract)

AI总结 MAVIS基准旨在评估多模态来源归因系统，通过多模态文档检索和长形式答案生成，揭示多模态设置下信息量、 groundedness 和流畅性之间的权衡与改进方向。

Comments AAAI 2026; code is available at https://github.com/seokwon99/MAVIS