RAG / 检索增强生成

Self-MedRAG: a Self-Reflective Hybrid Retrieval-Augmented Generation Framework for Reliable Medical Question Answering

Self-MedRAG：一种用于可靠医学问答的自反思混合检索增强生成框架

Jessica Ryan, Alexander I. Gumilang, Robert Wiliam, Derwin Suhartono

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

AI总结 Self-MedRAG通过混合检索与自反思机制提升医学问答的准确性和可靠性。

T-Retriever: Tree-based Hierarchical Retrieval Augmented Generation for Textual Graphs

T-Retriever：基于树的分层检索增强生成用于文本图谱

Chunyu Wei, Huaiyu Qin, Siyuan He, Yunhai Wang, Yueguo Chen

机构 * BRAIN of RUC（北京理工大学脑科学研究院） 纠错

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

AI总结 T-Retriever通过语义和结构引导的树状检索方法，改进了图谱检索增强生成，提升复杂查询的连贯性和语境相关性。

Orion-RAG: Path-Aligned Hybrid Retrieval for Graphless Data

Orion-RAG：无图数据的路径对齐混合检索

Zhen Chen, Weihao Xie, Peilin Chen, Shiqi Wang, Jianping Wang

机构 * City University of Hong Kong（香港城市大学） 纠错

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

AI总结 Orion-RAG通过低复杂度路径提取方法，有效处理碎片化数据，实现跨文件信息链接，并在FinanceBench上取得25.2%的精度提升。

OptiSet: Unified Optimizing Set Selection and Ranking for Retrieval-Augmented Generation

OptiSet: 一体化的优化集选择与排序用于检索增强生成

Yi Jiang, Sendong Zhao, Jianbo Li, Bairui Hu, Yanrui Du, Haochun Wang, Bing Qin

机构 * Harbin Institute of Technology（哈尔滨工业大学） 纠错

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

AI总结 OptiSet通过集中心框架统一集选择和集级排序，提升RAG在复杂组合问题上的性能和生成效率。

Comments Code is available at https://github.com/liunian-Jay/OptiSet.git

Leveraging Language Models and RAG for Efficient Knowledge Discovery in Clinical Environments

利用语言模型和RAG实现临床环境中的高效知识发现

Seokhwan Ko, Donghyeon Lee, Jaewoo Chun, Hyungsoo Han, Junghwan Cho

机构 * Clinical Omics Institute, Kyungpook National University（临床组学研究所，庆北国立大学） ； Department of Biomedical Science, School of Medicine Kyungpook National University（生物医学科学系，庆北国立大学医学院） ； Department of Physiology, School of Medicine Kyungpook National University（生理学系，庆北国立大学医学院） 纠错

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

AI总结 本研究提出一种基于RAG的系统，利用本地部署的LLaMA3和PubMedBERT，在临床环境中实现高效生物医学知识发现。

Comments 11pages, 3 figures

Enhancing Admission Inquiry Responses with Fine-Tuned Models and Retrieval-Augmented Generation

通过微调模型和检索增强生成提升录取咨询回复

Aram Virabyan

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

AI总结 本文提出通过微调模型和检索增强生成技术，提升大学招生咨询回复的准确性和效率，以满足招生沟通的特殊需求。

Comments 9 pages, 1 figure, 1 table. Proceedings of the 19th International Scientific Conference "Parallel Computing Technologies" (PCT'2025), Moscow, Russia

Journal ref Proc. 19th International Scientific Conference "Parallel Computing Technologies" (PCT'2025), South Ural State University, 2025, pp. 99-106

Practical Poisoning Attacks against Retrieval-Augmented Generation

针对检索增强生成的实用污染攻击

Baolei Zhang, Yuxi Chen, Zhuqing Liu, Lihai Nie, Tong Li, Zheli Liu, Minghong Fang

机构 * CS\&CCS, Nankai University（CS与CCS，南开大学） ； Independent Researcher（独立研究者） ； University of North Texas（北德克萨斯大学） ； University of Louisville（路易斯维尔大学） 纠错

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

AI总结 CorruptRAG是一种针对RAG系统的实用污染攻击，通过注入单条污染文本实现更高的攻击成功率和隐蔽性。

Comments To appear in ACM SACMAT 2026

The Overlooked Role of Graded Relevance Thresholds in Multilingual Dense Retrieval

多语言密集检索中分级相关性阈值被忽视的作用

Tomer Wullach, Ori Shapira, Amir DN Cohen

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

AI总结 本文探讨了多语言密集检索中分级相关性阈值对性能的影响，发现阈值选择需根据语言和任务调整，以提升检索效果并减少微调数据需求。

GRACE: Reinforcement Learning for Grounded Response and Abstention under Contextual Evidence

GRACE：基于上下文证据的强化学习用于 grounded 响应和回避

Yibo Zhao, Jiapeng Zhu, Zichen Ding, Xiang Li

机构 * School of Data Science and Engineering, East China Normal University（数据科学与工程学院，东华大学） ； Shanghai AI Laboratory（上海人工智能实验室） 纠错

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

AI总结 GRACE通过强化学习框架整合证据基础和可靠回避，解决检索增强生成中的准确性和回避性问题，实现高准确率与低标注成本的平衡。

Comments 18 pages

From Policy to Logic for Efficient and Interpretable Coverage Assessment

从策略到逻辑：为高效和可解释的覆盖评估而设

Rhitabrat Pokharel, Hamid Reza Hassanzadeh, Ameeta Agrawal

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

AI总结 本文提出了一种结合覆盖意识检索器和符号规则推理的方法，以提高医疗覆盖政策审查的效率和可解释性，同时降低模型成本并提升评估准确性。

Comments Accepted at AIMedHealth @ AAAI 2026

LANGSAE EDITING: Improving Multilingual Information Retrieval via Post-hoc Language Identity Removal

LANGSAE 编辑：通过事后语言身份移除改进多语言信息检索

Dongjun Kim, Jeongho Yoon, Chanjun Park, Heuiseok Lim

机构 * Department of Computer Science and Engineering, Korea University（韩国大学计算机科学与工程系） ； School of Software, Soongsil University（顺天大学软件学院） 纠错

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

AI总结 LANGSAE 编辑通过事后移除语言身份信号，提升多语言信息检索的排名质量和跨语言覆盖性。

Comments 16 pages, 3 figures

Tool-MAD: A Multi-Agent Debate Framework for Fact Verification with Diverse Tool Augmentation and Adaptive Retrieval

Tool-MAD: 一种用于事实验证的多智能体辩论框架，具有多样化工具增强和自适应检索

Seyeon Jeong, Yeonjun Choi, JongWook Kim, Beakcheol Jang

机构 * Graduate School of Information, Yonsei University（Yonsei大学信息研究生院） ； Department of Computer Science, Sangmyung University（Sangmyung大学计算机科学系） 纠错

专题命中 检索器与排序 ：RAG(abstract)；分类 cs.CL

AI总结 Tool-MAD通过多智能体辩论框架结合多样化工具增强和自适应检索，提升事实验证的准确性和鲁棒性。

ArcAligner: Adaptive Recursive Aligner for Compressed Context Embeddings in RAG

ArcAligner: 用于RAG中压缩上下文嵌入的自适应递归对齐器

Jianbo Li, Yi Jiang, Sendong Zhao, Bairui Hu, Haochun Wang, Bing Qin

机构 * Harbin Institute of Technology（哈尔滨工业大学） 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 ArcAligner通过自适应门控机制提升RAG中压缩上下文表示的利用效率，有效解决压缩带来的理解困难问题。

Comments Code is available at https://github.com/liunian-Jay/ArcAligner.git

A Navigational Approach for Comprehensive RAG via Traversal over Proposition Graphs

一种通过命题图遍历实现全面RAG的导航方法

Maxime Delmas, Lei Xu, André Freitas

机构 * Idiap Research Institute（日内瓦研究所） ； École Polytechnique Fédérale de Lausanne（联邦理工学院洛桑分校） ； University of Manchester（曼彻斯特大学） ； CRUK Manchester Institute（CRUK曼彻斯特研究所） 纠错

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

AI总结 ToPG通过命题图遍历实现高效结构RAG系统，结合查询意识的图遍历与事实细粒度，提升复杂多跳查询和单跳事实检索的性能。

Comments 23 pages, 10 figures, 6 tables

Trade-R1: Bridging Verifiable Rewards to Stochastic Environments via Process-Level Reasoning Verification

Trade-R1: 通过过程级推理验证弥合可验证奖励与随机环境

Rui Sun, Yifan Sun, Sheng Xu, Li Zhao, Jing Li, Daxin Jiang, Cheng Hua, Zuo Bai

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

AI总结 Trade-R1通过过程级推理验证，将可验证奖励与随机金融环境连接，减少奖励黑客问题，DSR在跨市场泛化中表现优异。

Vibe Coding an LLM-powered Theorem Prover

Vibe 编码一个基于 LLM 的定理推理论证系统

Zhe Hou

机构 * Griffith University（格里菲斯大学） 纠错

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

AI总结 Isabellm是一个基于LLM的定理推理论证系统，通过结合分步推证器和证明计划器，实现自动证明合成，并展示了LLM在复杂证明任务中的潜力与挑战。

ArtCognition: A Multimodal AI Framework for Affective State Sensing from Visual and Kinematic Drawing Cues

ArtCognition：一种多模态AI框架，用于从视觉和运动学绘画线索中感知情绪状态

Behrad Binaei-Haghighi, Nafiseh Sadat Sajadi, Mehrad Liviyan, Reyhane Akhavan Kharazi, Fatemeh Amirkhani, Behnam Bahrak

机构 * Department of Electrical and Computer Engineering, University of Tehran（电信工程系，德黑兰理工大学） ； Tehran Institute for Advanced Studies, Khatam University（德黑兰高级研究院，凯塔姆大学） ； Department of Psychology, Allameh Tabataba’i University（心理学系，阿勒梅·塔巴塔比大学） 纠错

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

AI总结 ArtCognition通过融合视觉和运动学绘画线索，提供非侵入性情绪状态评估的新方法，验证了其在心理测量中的潜力。

Comments 12 pages, 7 figures

Enhancing Multimodal Retrieval via Complementary Information Extraction and Alignment

通过互补信息提取与对齐增强多模态检索

Delong Zeng, Yuexiang Xie, Yaliang Li, Ying Shen

机构 * School of Intelligent Systems Engineering, Sun Yat-sen University（1 智能系统工程学院，中山大学） ； Alibaba Group（2 阿里巴巴集团） ； Guangdong Provincial Key Laboratory of Fire Science and Intelligent Emergency Technology（3 广东省火灾科学与智能应急技术重点实验室） 纠错

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

AI总结 CIEA通过互补信息提取与对齐提升多模态检索效果，实现对图像和文本统一潜在空间的建模，并在多个基准上取得显著优势。

Comments Accepted by ACL'2025

RAGVUE: A Diagnostic View for Explainable and Automated Evaluation of Retrieval-Augmented Generation

RAGVUE：一种用于可解释和自动评估检索增强生成的诊断视图

Keerthana Murugaraj, Salima Lamsiyah, Martin Theobald

机构 * University of Luxembourg（卢森堡大学） 纠错

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

AI总结 RAGVUE通过分解RAG行为并提供结构化解释，实现无参考的自动评估，揭示RAG流程中的细粒度失败。

Transitive Expert Error and Routing Problems in Complex AI Systems

复杂人工智能系统中的传递专家误差与路由问题

Forest Mars

专题命中 RAG评测 ：RAG(abstract)；分类 cs.AI

AI总结 复杂AI系统中，传递专家误差导致领域边界处因果错误输出，通过多专家激活、边界校准和覆盖检测等干预措施加以解决。

Comments 31pp