RAG / 检索增强生成

Integrating Domain Knowledge for Financial QA: A Multi-Retriever RAG Approach with LLMs

在金融问答中整合领域知识：一种基于多检索器RAG方法与LLM的多检索器RAG方法

Yukun Zhang, Stefan Elbl Droguett, Samyak Jain

机构 * Department of Computer Science Stanford University（计算机科学系 斯坦福大学） ； Graduate School of Business Stanford University（商学院 斯坦福大学） 纠错

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

AI总结 本研究提出一种基于多检索器RAG方法与LLM的金融问答系统，通过领域知识训练提升数值推理能力，验证了领域特定训练在不同模型规模下的性能差异。

RAGPart & RAGMask: Retrieval-Stage Defenses Against Corpus Poisoning in Retrieval-Augmented Generation

RAGPart & RAGMask：对抗检索增强生成中语料污染的检索阶段防御

Pankayaraj Pathmanathan, Michael-Andrei Panaitescu-Liess, Cho-Yu Jason Chiang, Furong Huang

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

AI总结 本文提出RAGPart和RAGMask两种检索阶段防御方法，用于对抗RAG中语料污染攻击，通过文档分区和标记遮蔽技术降低攻击成功率，提升RAG系统的鲁棒性。

Comments Published at AAAI 2026 Workshop on New Frontiers in Information Retrieval [Oral]

An Analysis of Hyper-Parameter Optimization Methods for Retrieval Augmented Generation

检索增强生成方法的超参数优化分析

Matan Orbach, Ohad Eytan, Benjamin Sznajder, Ariel Gera, Odellia Boni, Yoav Kantor, Gal Bloch, Omri Levy, Hadas Abraham, Nitzan Barzilay, Eyal Shnarch, Michael E. Factor, Shila Ofek-Koifman, Paula Ta-Shma, Assaf Toledo

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

AI总结 本文分析了RAG超参数优化方法，通过五种算法和五种数据集的实验，发现贪婪或随机搜索能高效提升RAG性能，且优先优化模型选择优于传统流程顺序。

Comments AAAI 2026 Workshop on New Frontiers in Information Retrieval. For associated results, see https://github.com/IBM/rag-hpo-bench

GestureHYDRA: Semantic Co-speech Gesture Synthesis via Hybrid Modality Diffusion Transformer and Cascaded-Synchronized Retrieval-Augmented Generation

GestureHYDRA: 通过混合模态扩散变换器和级联同步检索增强生成进行语义同步手势合成

Quanwei Yang, Luying Huang, Kaisiyuan Wang, Jiazhi Guan, Shengyi He, Fengguo Li, Hang Zhou, Lingyun Yu, Yingying Li, Haocheng Feng, Hongtao Xie

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

AI总结 GestureHYDRA通过混合模态扩散变换器和级联同步检索增强生成技术，实现具有明确语义的手势合成，提升手势生成的准确性和效率。

Comments 10 pages, 5 figures, Accepted by ICCV 2025

RAST: A Retrieval Augmented Spatio-Temporal Framework for Traffic Prediction

RAST：一种用于交通预测的检索增强时空框架

Weilin Ruan, Xilin Dang, Ziyu Zhou, Sisuo Lyu, Yuxuan Liang

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

AI总结 RAST通过整合检索增强机制与时空建模，解决交通预测中的上下文容量和细粒度预测性挑战，实现高效且准确的交通预测。

Comments Accepted by AAAI 2026 (AI for Social Impact)