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。