RAG / 检索增强生成

RegionRAG: Region-level Retrieval-Augmented Generation for Visual Document Understanding

RegionRAG: 基于区域级别的检索增强生成用于视觉文档理解

Yinglu Li, Zhiying Lu, Zhihang Liu, Yiwei Sun, Chuanbin Liu, Hongtao Xie

机构 * Yinglu Li, Zhiying Lu, Zhihang Liu, Yiwei Sun, Chuanbin Liu, Hongtao Xie（作者） 纠错

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

AI总结 RegionRAG通过区域级别检索增强生成，提升视觉文档理解的效率和准确性，实现更高的检索和问答性能。

BiCA: Effective Biomedical Dense Retrieval with Citation-Aware Hard Negatives

BiCA: 基于引用感知的生物医学密集检索

Aarush Sinha, Pavan Kumar S, Roshan Balaji, Nirav Pravinbhai Bhatt

机构 * University of Copenhagen（哥本哈根大学） 纠错

专题命中 检索器与排序 ：dense retrieval(title,abstract)；retriever(abstract)；分类 cs.IR、cs.CL

AI总结 BiCA通过利用引用链接生成引用感知硬负样本，提升生物医学领域密集检索性能，实现零样本检索和长尾主题的优越表现。

Comments Accepted for oral presentation at AAAI 2026

MaP-AVR: A Meta-Action Planner for Agents Leveraging Vision Language Models and Retrieval-Augmented Generation

MaP-AVR: 一种利用视觉语言模型和检索增强生成的元动作规划器

Zhenglong Guo, Yiming Zhao, Feng Jiang, Heng Jin, Zongbao Feng, Jianbin Zhou, Siyuan Xu

机构 * Li Auto 纠错

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

AI总结 MaP-AVR通过元动作规划和检索增强生成技术，提升机器人在复杂环境中的任务规划能力。

Comments 8 pages, 10 figures, This work was completed in December 2024

Auto-Prompting with Retrieval Guidance for Frame Detection in Logistics

基于检索引导的自动提示法用于物流帧检测

Do Minh Duc, Quan Xuan Truong, Nguyen Tat Dat, Nguyen Van Vinh

机构 * Faculty of Information Technology, VNU University of Engineering and Technology（信息技术学院，越南工程大学） 纠错

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

AI总结 本文提出基于检索引导的自动提示法，通过优化提示提升物流文本帧检测的准确性和效率。

CIRR: Causal-Invariant Retrieval-Augmented Recommendation with Faithful Explanations under Distribution Shift

CIRR: 基于因果不变性的检索增强推荐系统与可信解释在分布偏移下的应用

Sebastian Sun

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

AI总结 CIRR通过因果不变性学习和一致性约束，解决推荐系统在分布偏移下的性能下降问题，并提供更可信的解释。

Instruction-Level Weight Shaping: A Framework for Self-Improving AI Agents

指令级权重塑造：一种自我改进的AI代理框架

Rimom Costa

机构 * Adobe Commerce Cloud Support Engineering - EMEA Division（Adobe 商业云支持工程 - EMEA部门） 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 指令级权重塑造通过外部可审计伪参数提升AI代理的自我改进能力，实现低延迟部署和减少幻觉，适用于动态领域。

Comments 12 pages, 1 figure, 2 tables

X-Talk: On the Underestimated Potential of Modular Speech-to-Speech Dialogue System

X-Talk：模块化语音到语音对话系统的被低估潜力

Zhanxun Liu, Yifan Duan, Mengmeng Wang, Pengchao Feng, Haotian Zhang, Xiaoyu Xing, Yijia Shan, Haina Zhu, Yuhang Dai, Chaochao Lu, Xipeng Qiu, Lei Xie, Lan Wang, Nan Yan, Zilong Zheng, Ziyang Ma, Kai Yu, Xie Chen

机构 * MoE Key Lab of Artificial Intelligence, X-LANCE Lab, Shanghai Jiao Tong University（人工智能基础理论重点实验室，X-LANCE实验室，上海交通大学） ； Shanghai Innovation Institute（上海创新研究院） ； Shanghai AI Laboratory（上海人工智能实验室） ； State Key Laboratory of General Artificial Intelligence, BIGAI（通用人工智能国家重点实验室，BIGAI） ； Audio, Speech and Language Processing Group, Northwestern Polytechnical University（语音与语言处理组，西北工业大学） ； Fudan University（复旦大学） ； Shenzhen Institutes of Advanced Technology, Chinese Academy of Sciences（深圳先进技术研究院，中国科学院） 纠错

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

AI总结 X-Talk通过模块化设计和流水线优化，提升语音到语音对话系统的性能与灵活性，展示其在复杂语音任务中的潜力。

Comments 14 pages

Microsoft Academic Graph Information Retrieval for Research Recommendation and Assistance

微软学术图信息检索用于研究推荐与协助

Shikshya Shiwakoti, Samuel Goldsmith, Ujjwal Pandit

机构 * Microsoft（微软） 纠错

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

AI总结 本文提出基于注意力的子图检索器，利用图神经网络和大语言模型进行高效信息检索与知识推理。

Comments 5 pages, 3 figures

Delta-KNN: Improving Demonstration Selection in In-Context Learning for Alzheimer's Disease Detection

Delta-KNN: 提高阿尔茨海默病检测中基于上下文学习的演示选择

Chuyuan Li, Raymond Li, Thalia S. Field, Giuseppe Carenini

机构 * Department of Computer Science（计算机科学系） ； Vancouver Stroke Program and Division of Neurology, Faculty of Medicine（温哥华卒中计划和神经病学系，医学院） ； The University of British Columbia（不列颠哥伦比亚大学） 纠错

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

AI总结 Delta-KNN通过Delta评分和KNN检索器提升基于上下文学习的阿尔茨海默病检测性能，实现新状态的最先进结果。

Journal ref In Proceedings of the 63rd Annual Meeting of the Association for Computational Linguistics (Volume 1: Long Papers). ACL 2025

DACE For Railway Acronym Disambiguation

DACE用于铁路缩写消歧

El Mokhtar Hribach, Oussama Mechhour, Mohammed Elmonstaser, Yassine El Boudouri, Othmane Kabal

机构 * Nantes University（南特大学） ； CIRAD（国际热带农业研究中心） ； Groupe SII（SII集团） ； Univ. Lille（里尔大学） 纠错

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

AI总结 DACE通过动态提示和集合聚合方法，有效提升铁路文档中缩写消歧的准确率，取得竞赛第一名。

Quantization for Vector Search under Streaming Updates

向量搜索中的量化方法在流式更新下的应用

Ishaq Aden-Ali, Hakan Ferhatosmanoglu, Alexander Greaves-Tunnell, Nina Mishra, Tal Wagner

专题命中 向量检索 ：vector search(title)

AI总结 本文提出了一种在流式更新下动态适应的数据依赖量化方法，通过有限磁盘I/O保持ANN搜索准确性，优于现有基线方法。

Graph-based Nearest Neighbors with Dynamic Updates via Random Walks

通过随机游走实现的基于图的最近邻搜索与动态更新

Nina Mishra, Yonatan Naamad, Tal Wagner, Lichen Zhang

机构 * Amazon（亚马逊公司） ； Tel Aviv University（特拉维夫大学） ； MIT（麻省理工学院） 纠错

专题命中 向量检索 ：retrieval augmented generation(abstract)

AI总结 本文提出了一种基于随机游走的图结构，用于实现支持动态更新的近似最近邻搜索，并通过实验验证了其在效率和性能上的优势。

Comments 37 pages, 23 figures

gpu_ext: Extensible OS Policies for GPUs via eBPF

gpu_ext: 通过eBPF实现GPU的可扩展操作系统策略

Yusheng Zheng, Tong Yu, Yiwei Yang, Minghui Jiang, Xiangyu Gao, Jianchang Su, Yanpeng Hu, Wenan Mao, Wei Zhang, Dan Williams, Andi Quinn

专题命中 向量检索 ：vector search(abstract)

AI总结 gpu_ext通过eBPF技术实现GPU驱动器和设备的可扩展操作系统接口，提升GPU性能并降低延迟。

Structured Language Generation Model: Loss Calibration and Formatted Decoding for Robust Structure Prediction and Knowledge Retrieval

结构语言生成模型：损失校准与格式解码以实现稳健的结构预测与知识检索

Minho Lee, Junghyun Min, Yerang Kim, Woochul Lee, Yeonsoo Lee

机构 * KT Gen AI Lab（KT生成人工智能实验室） ； Georgetown University（乔治城大学） ； Korea University（韩国大学） ； NC AI（NC人工智能） 纠错

专题命中 图谱与结构化RAG ：knowledge retrieval(title)；分类 cs.CL

AI总结 SLGM通过损失校准和格式解码提升结构预测和知识检索性能，无需额外参数或数据集特定工程。

Comments 20 pages, 4 figures. FrontierIR at AAAI 2026

Graph-O1 : Monte Carlo Tree Search with Reinforcement Learning for Text-Attributed Graph Reasoning

Graph-O1：基于强化学习的蒙特卡洛树搜索用于文本属性图推理

Lihui Liu

机构 * Wayne State University（韦恩州立大学） 纠错

专题命中 图谱与结构化RAG ：retrieval-augmented generation(abstract)；RAG(abstract)；分类 cs.CL、cs.AI

AI总结 Graph-O1通过整合蒙特卡洛树搜索与强化学习，实现文本属性图的分步交互推理，提升问答任务的准确性和可解释性。

Ontology-Based Knowledge Graph Framework for Industrial Standard Documents via Hierarchical and Propositional Structuring

基于本体的知识图谱框架：通过层次化和命题化结构构建工业标准文档

Jiin Park, Hyuna Jeon, Yoonseo Lee, Jisu Hong, Misuk Kim

专题命中 图谱与结构化RAG ：RAG(abstract)；分类 cs.IR、cs.CL

AI总结 本文提出一种基于本体的知识图谱框架，通过层次化和命题化结构构建工业标准文档，提升问答性能和领域知识表示能力。

Comments The authors have identified significant technical errors in the paper that invalidate the current findings

Deliberation on Priors: Trustworthy Reasoning of Large Language Models on Knowledge Graphs

对先验的探讨：大型语言模型在知识图谱上的可信推理

Jie Ma, Ning Qu, Zhitao Gao, Rui Xing, Jun Liu, Hongbin Pei, Jiang Xie, Linyun Song, Pinghui Wang, Jing Tao, Zhou Su

机构 * MOE KLINNS Lab, Xi’an Jiaotong University（MOE KLINNS实验室，西安交通大学） ； School of Computer Science and Technology, Xi’an Jiaotong University（计算机科学与技术学院，西安交通大学） ； Shaanxi Province Key Laboratory of Big Data Knowledge Engineering（陕西省大数据知识工程重点实验室） ； School of Artificial Intelligence, Chongqing University of Post and Telecommunications（人工智能学院，重庆邮电大学） ； School of Computer Science, Northwestern Polytechnical University（计算机学院，西北工业大学） 纠错

专题命中 图谱与结构化RAG ：retrieval-augmented generation(abstract)；分类 cs.IR、cs.CL

AI总结 本研究提出DP框架，通过整合知识图谱的结构和约束先验，提升大型语言模型在知识图谱上的推理准确性和响应可靠性。

Comments Accepted by NeurIPS 2025

Event Extraction in Large Language Model

大规模语言模型中的事件提取

Bobo Li, Xudong Han, Jiang Liu, Yuzhe Ding, Liqiang Jing, Zhaoqi Zhang, Jinheng Li, Xinya Du, Fei Li, Meishan Zhang, Min Zhang, Aixin Sun, Philip S. Yu, Hao Fei

机构 * National University of Singapore（新加坡国立大学） ； University of Sussex（苏塞克斯大学） ； Wuhan University（武汉大学） ； University of Texas at Dallas（德克萨斯大学达拉斯分校） ； Nanyang Technological University（南洋理工大学） ； Harbin Institute of Technology (Shenzhen)（哈尔滨工业大学（深圳）） ； University of Illinois at Chicago（伊利诺伊大学香槟分校） 纠错

专题命中 图谱与结构化RAG ：RAG(abstract)；分类 cs.CL

AI总结 本文探讨了大规模语言模型中事件提取的系统组件，提出通过事件方案、结构和存储提升事件处理的可靠性与智能体准备性。

Comments 38 pages, 9 Figures, 5 Tables

Generative vector search to improve pathology foundation models across multimodal vision-language tasks

生成向量搜索以提升多模态视觉-语言任务中的病理基础模型

Markus Ekvall, Ludvig Bergenstråhle, Patrick Truong, Ben Murrell, Joakim Lundeberg

专题命中 多模态RAG ：vector search(title,abstract)；retrieval-augmented generation(abstract)；分类 cs.IR

AI总结 STHLM通过生成向量搜索方法提升多模态视觉-语言任务中病理基础模型的检索性能，实现10-30%的性能提升和10倍的维度压缩

Comments 13 pages main (54 total), 2 main figures (9 total)

Affordance RAG: Hierarchical Multimodal Retrieval with Affordance-Aware Embodied Memory for Mobile Manipulation

语义可感知的多模态检索：基于具身记忆的层次化移动操作

Ryosuke Korekata, Quanting Xie, Yonatan Bisk, Komei Sugiura

机构 * Keio University（keio大学） ； Keio AI Research Center（keio人工智能研究中心） ； Carnegie Mellon University（卡内基梅隆大学） 纠错

专题命中 多模态RAG ：RAG(title,abstract)；分类 cs.CL

AI总结 本研究提出Affordance RAG框架，通过构建具有可操作性的具身记忆，提升机器人在开放词汇移动操作中的检索性能和任务成功率。

Comments Accepted to IEEE RA-L, with presentation at ICRA 2026

NEURO-GUARD: Neuro-Symbolic Generalization and Unbiased Adaptive Routing for Diagnostics -- Explainable Medical AI

NEURO-GUARD：神经符号泛化与无偏自适应路由用于诊断——可解释的医疗AI

Midhat Urooj, Ayan Banerjee, Sandeep Gupta

机构 * Arizona State University（亚利桑那州立大学） 纠错

专题命中 多模态RAG ：retrieval-augmented generation(abstract)；RAG(abstract)；分类 cs.AI

AI总结 NEURO-GUARD通过整合视觉变换器与语言驱动推理，提升医疗图像诊断的准确性、透明性和泛化能力。

Comments Accepted at Asilomar Conference

Survey and Experiments on Mental Disorder Detection via Social Media: From Large Language Models and RAG to Agents

面向社交媒体的抑郁症检测综述与实验：从大型语言模型和RAG到代理

Zhuohan Ge, Darian Li, Yubo Wang, Nicole Hu, Xinyi Zhu, Haoyang Li, Xin Zhang, Mingtao Zhang, Shihao Qi, Yuming Xu, Han Shi, Chen Jason Zhang, Qing Li

机构 * The Hong Kong Polytechnic University（香港理工大学） ； The Hong Kong University of Science and Technology（香港科学与技术大学） 纠错

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

AI总结 本文综述并实验了基于社交媒体的抑郁症检测方法，探讨了LLM、RAG和代理系统在提升检测可靠性与推理能力中的应用。

Comments 20 pages, 10 figures. This is an extension of ICDEW 2025