RAG / 检索增强生成

Exploring the Security Threats of Retriever Backdoors in Retrieval-Augmented Code Generation

探索检索增强代码生成中Retriever后门的安全威胁

Tian Li, Bo Lin, Shangwen Wang, Yusong Tan

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

AI总结 本文研究了检索增强代码生成中Retriever后门攻击的严重威胁，通过开发VenomRACG攻击方法揭示了攻击者可通过注入少量代码操控检索器，导致模型生成脆弱代码。

Thinking Forward and Backward: Multi-Objective Reinforcement Learning for Retrieval-Augmented Reasoning

正向与反向思考：用于检索增强推理的多目标强化学习

Wenda Wei, Yu-An Liu, Ruqing Zhang, Jiafeng Guo, Lixin Su, Shuaiqiang Wang, Dawei Yin, Maarten de Rijke, Xueqi Cheng

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 Bi-RAR通过双向信息距离和多目标强化学习框架，提升检索增强推理在复杂多步骤任务中的表现。

LLM-Driven Feature-Level Adversarial Attacks on Android Malware Detectors

基于大语言模型的Android恶意软件检测器特征级对抗攻击

Tianwei Lan, Farid Naït-Abdesselam

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

AI总结 本文提出LAMLAD框架，利用大语言模型生成特征扰动以对抗恶意软件检测器，实验显示攻击成功率高达97%，并提出对抗训练防御策略提升模型鲁棒性。

Advancing Generative Artificial Intelligence and Large Language Models for Demand Side Management with Internet of Electric Vehicles

推动生成式人工智能和大语言模型在电动汽车互联网中的需求侧管理

Hanwen Zhang, Ruichen Zhang, Wei Zhang, Dusit Niyato, Yonggang Wen, Chunyan Miao

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

AI总结 本文提出利用生成式人工智能和大语言模型优化电动汽车互联网中的需求侧管理，通过检索增强生成提升能源效率和用户适应性。

Comments 15 Pages

Knowledge Reasoning of Large Language Models Integrating Graph-Structured Information for Pest and Disease Control in Tobacco

基于图结构信息的大型语言模型知识推理用于烟草害虫和疾病控制

Siyu Li, Chenwei Song, Wan Zhou, Xinyi Liu

机构 * School of Information Science and Engineering（信息科学与工程学院） ； Chongqing Jiaotong University（重庆交通大学） 纠错

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

AI总结 本文提出一种整合图结构信息的大型语言模型，用于提升烟草害虫和疾病控制的知识推理能力，通过构建领域知识图并结合图神经网络实现更准确的推理。

FVA-RAG: Falsification-Verification Alignment for Mitigating Sycophantic Hallucinations

FVA-RAG：通过对抗性上下文对齐缓解趋炎附势幻觉

Mayank Ravishankara

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

AI总结 FVA-RAG通过引入对抗性上下文检索，有效缓解了因前提错误导致的幻觉问题，其在多个基准测试中表现优于现有方法。