RAG / 检索增强生成

Bridging OLAP and RAG: A Multidimensional Approach to the Design of Corpus Partitioning

连接OLAP与RAG：一种多维方法用于语料库划分设计

Dario Maio, Stefano Rizzi

机构 * DISI - University of Bologna, Viale Risorgimento, 2, Bologna, 40136 Italy（博洛尼亚大学DISI学院） 纠错

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

AI总结 本文提出维度事实模型（DFM）以指导RAG语料库的多维划分设计，结合语义聚类和多维划分策略，提升检索的可控性和确定性。

LAG: Logic-Augmented Generation from a Cartesian Perspective

LAG: 从笛卡尔视角出发的逻辑增强生成

Yilin Xiao, Chuang Zhou, Yujing Zhang, Qinggang Zhang, Su Dong, Shengyuan Chen, Chang Yang, Xiao Huang

机构 * The Hong Kong Polytechnic University（香港理工大学） 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 LAG通过系统的问题分解、原子记忆库和逻辑感知推理，提升知识密集型任务的准确性和减少幻觉。

The Pneuma Project: Reifying Information Needs as Relational Schemas to Automate Discovery, Guide Preparation, and Align Data with Intent

Pneuma项目：将信息需求作为关系模式来自动化发现、指导准备并使数据与意图一致

Muhammad Imam Luthfi Balaka, Raul Castro Fernandez

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

AI总结 Pneuma项目通过将信息需求转化为关系模式，利用语言模型实现自动化发现与文档生成，提升数据与意图的一致性。

Comments CIDR 2026 Paper