RAG / 检索增强生成

MMRAG-RFT: Two-stage Reinforcement Fine-tuning for Explainable Multi-modal Retrieval-augmented Generation

MMRAG-RFT: 两阶段强化微调用于可解释的多模态检索增强生成

Shengwei Zhao, Jingwen Yao, Sitong Wei, Linhai Xu, Yuying Liu, Dong Zhang, Zhiqiang Tian, Shaoyi Du

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

AI总结 MMRAG-RFT通过两阶段强化微调提升多模态检索增强生成的可解释性，实现更清晰的推理逻辑和更优的生成效果。

Comments This paper was accepted to AAAI2026

MemoryGraft: Persistent Compromise of LLM Agents via Poisoned Experience Retrieval

MemoryGraft: 通过中毒经验检索持续破坏LLM代理

Saksham Sahai Srivastava, Haoyu He

机构 * School of Computing University of Georgia（计算机学院 佐治亚大学） 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 MemoryGraft 通过在LLM代理的长期记忆中植入恶意经验，实现对代理行为的持续破坏。

Comments 14 pages, 1 figure, includes appendix

Towards Explainable Conversational AI for Early Diagnosis with Large Language Models

迈向具有大语言模型的可解释对话AI用于早期诊断

Maliha Tabassum, M Shamim Kaiser

机构 * Department of Information and Communication Technology（信息与通信技术系） ； Bangladesh University of Professionals（孟加拉专业大学） ； Institute of Information Technology（信息技术研究所） ； Jahangirnagar University（贾汗吉尔纳瓦德大学） 纠错

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

AI总结 本研究提出基于大语言模型的可解释对话AI，用于提高早期诊断的透明性和互动性，实验显示其在诊断准确性上优于传统机器学习模型。

TCDE: Topic-Centric Dual Expansion of Queries and Documents with Large Language Models for Information Retrieval

基于大语言模型的查询与文档主题聚焦双扩展方法用于信息检索

Yu Yang, Feng Tian, Ping Chen

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

AI总结 TCDE通过大语言模型实现查询与文档的主题聚焦双扩展，提升信息检索的语义对齐效果。

The kernel of graph indices for vector search

图索引的核方法用于向量搜索

Mariano Tepper, Ted Willke

专题命中 向量检索 ：vector search(title,abstract)

AI总结 本文提出了一种基于核方法的图索引SVG，适用于度量和非度量向量空间，并引入SVG-L0实现稀疏性约束，提升向量搜索效率。

Scalable Distributed Vector Search via Accuracy Preserving Index Construction

通过精度保持索引构造实现可扩展的分布式向量搜索

Yuming Xu, Qianxi Zhang, Qi Chen, Baotong Lu, Menghao Li, Philip Adams, Mingqin Li, Zengzhong Li, Jing Liu, Cheng Li, Fan Yang

专题命中 向量检索 ：vector search(title)

AI总结 SPIRE通过平衡分区粒度和精度保持的递归构造，实现了可扩展的分布式向量搜索，显著提升了吞吐量。

SportsGPT: An LLM-driven Framework for Interpretable Sports Motion Assessment and Training Guidance

SportsGPT: 一种基于大语言模型的可解释性体育动作评估与训练指导框架

Wenbo Tian, Ruting Lin, Hongxian Zheng, Yaodong Yang, Geng Wu, Zihao Zhang, Zhang Zhang

机构 * School of Artificial Intelligence, UCAS, Beijing, China（人工智能学院） ； MAIS, NLPR, Institute of Automation, CAS, Beijing, China（自动化研究所） ； College of Education, Beijing Sport University, Beijing, China（北京体育大学） ； KuTi Sports Technology, Shaanxi, China（KuTi体育科技） ； Haoxiong Technology, Shanghai, China（浩鸿科技） 纠错

专题命中 知识库问答 ：RAG(abstract)；分类 cs.AI

AI总结 SportsGPT通过结合大语言模型和运动分析技术，实现可解释的体育动作评估与专业训练指导。

Replace, Don't Expand: Mitigating Context Dilution in Multi-Hop RAG via Fixed-Budget Evidence Assembly

替换而非扩展：通过固定预算证据组装缓解多跳RAG中的上下文稀释

Moshe Lahmy, Roi Yozevitch

机构 * Department of Electrical Engineering, Ariel University（电气工程系，阿里尔大学） ； Department of Computer and Software Engineering, Ariel University（计算机与软件工程系，阿里尔大学） 纠错

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

AI总结 SEAL-RAG通过固定预算证据组装策略，有效缓解多跳RAG中的上下文稀释问题，提升答案准确性和证据精度。

Comments 24 pages, 2 figures

RecipeMasterLLM: Revisiting RoboEarth in the Era of Large Language Models

RecipeMasterLLM: 重新审视大语言模型时代的RoboEarth

Asil Kaan Bozcuoglu, Ziyuan Liu

机构 * Huawei Heisenberg Research Center (Munich)（华为海森堡研究中心（慕尼黑）） 纠错

专题命中 图谱与结构化RAG ：retrieval-augmented generation(abstract)；RAG(abstract)

AI总结 RecipeMasterLLM通过微调大语言模型实现自动化知识获取，提升机器人动作描述的准确性与一致性。

The Semantic Illusion: Certified Limits of Embedding-Based Hallucination Detection in RAG Systems

语义幻觉：基于嵌入的幻觉检测在RAG系统中的认证极限

Debu Sinha

机构 * Independent Researcher（独立研究者） 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 研究揭示了基于嵌入的幻觉检测在RAG系统中存在语义幻觉问题，通过符合预测方法发现真实幻觉检测的挑战，证明需通过推理而非表面语义解决。

Comments 12 pages, 3 figures, 5 tables