RAG / 检索增强生成

Engineering the RAG Stack: A Comprehensive Review of the Architecture and Trust Frameworks for Retrieval-Augmented Generation Systems

构建RAG堆栈：对检索增强生成系统架构和信任框架的全面综述

Dean Wampler, Dave Nielson, Alireza Seddighi

机构 * The AI Alliance（AI联盟） ； IBM Research（IBM研究院） 纠错

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

AI总结 本文综述了RAG系统架构和信任框架，提出统一分类学和评估框架，为构建安全且领域适应性强的RAG系统提供指导。

Comments 86 pages, 2 figures, 37 tables. A comprehensive review of Retrieval-Augmented Generation (RAG) architectures and trust frameworks (2018-2025), encompassing a unified taxonomy, evaluation benchmarks, and trust-safety modeling

Cross-Document Topic-Aligned Chunking for Retrieval-Augmented Generation

跨文档主题对齐的分块技术用于检索增强生成

Mile Stankovic

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

AI总结 本文提出跨文档主题对齐分块技术，通过语料层面的知识重建提升检索增强生成系统的忠实度和信息密度，实验显示其在多跳推理和法律文本任务中均取得显著性能提升。

ChatIoT: Large Language Model-based Security Assistant for Internet of Things with Retrieval-Augmented Generation

ChatIoT: 基于大语言模型的物联网安全助手与检索增强生成

Ye Dong, Yan Lin Aung, Sudipta Chattopadhyay, Jianying Zhou

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

AI总结 ChatIoT是一种基于大语言模型的物联网安全助手，通过检索增强生成技术整合安全信息，提升用户在物联网安全实践中的指导与响应能力。

Comments preprint, under revision, 19 pages, 13 figures, 8 tables

Journal ref ACNS 2026

LiveVectorLake: A Real-Time Versioned Knowledge Base Architecture for Streaming Vector Updates and Temporal Retrieval

LiveVectorLake: 一种支持流式向量更新和时间检索的实时版本知识库架构

Tarun Prajapati

机构 * School of Artificial Intelligence \& Data Science Indian Institute of Technology Jodhpur Jodhpur, India 纠错

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

AI总结 LiveVectorLake提出一种双层时间知识库架构，实现实时语义搜索与版本历史管理，优化查询性能、更新效率和合规性。

Comments 7 pages, 1 figure. Preprint; work in progress

LLM2IR: simple unsupervised contrastive learning makes long-context LLM great retriever

LLM2IR: 简单的无监督对比学习使长上下文LLM成为强大的检索器

Xiaocong Yang

机构 * Computer Science（计算机科学） 纠错

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

AI总结 LLM2IR通过简单无监督对比学习将长上下文LLM转化为高效检索器，验证了上下文长度与检索能力的关系。

Comments MS Thesis

Adversarial Yet Cooperative: Multi-Perspective Reasoning in Retrieved-Augmented Language Models

对抗 yet 合作：检索增强语言模型中的多视角推理

Can Xu, Lingyong Yan, Jiayi Wu, Haosen Wang, Shuaiqiang Wang, Yuchen Li, Jizhou Huang, Dawei Yin, Xiang Li

机构 * East China Normal University（华东师范大学） ； Baidu Inc.（百度公司） ； Southeast University（东南大学） 纠错

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

AI总结 本文提出对抗推理RAG框架，通过推理与验证的对抗机制提升检索增强语言模型的多视角推理能力与验证严谨性。

Efficient Temporal-aware Matryoshka Adaptation for Temporal Information Retrieval

高效的时间感知Matryoshka适应方法用于时间信息检索

Tuan-Luc Huynh, Weiqing Wang, Trung Le, Thuy-Trang Vu, Dragan Gašević, Yuan-Fang Li, Thanh-Toan Do

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

AI总结 本文提出TMRL方法，通过时间感知Matryoshka嵌入提升时间信息检索效率，实现与传统方法相当的性能并支持灵活的精度-效率权衡。

Comments 18 pages

Materials Informatics: Emergence To Autonomous Discovery In The Age Of AI

材料信息学：在人工智能时代的涌现与自主发现

Turab Lookman, YuJie Liu, Zhibin Gao

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

AI总结 本文探讨了材料信息学在人工智能时代的发展，从基础理论到AI驱动的自主发现，强调其作为不断演进的生态系统，通过反向设计和自主实验室推动材料科学的变革。

Comments 44 pages, 14 figures

Retrieval-Augmented Multi-LLM Ensemble for Industrial Part Specification Extraction

基于检索增强的多LLM集成工业零件规范提取系统

Muzakkiruddin Ahmed Mohammed, John R. Talburt, Leon Claasssens, Adriaan Marais

机构 * ERIQ Research Center University of Arkansas - Little Rock（ERIQ研究所以及阿肯色大学-利文斯顿分校） ； PiLog Group（PiLog集团） 纠错

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

AI总结 本文提出一种基于检索增强的多LLM集成框架，通过整合多种先进模型提升工业零件规范提取的准确性和完整性。

Comments The 17th International Conference on Knowledge and Systems Engineering

Graph-Guided Passage Retrieval for Author-Centric Structured Feedback

基于图的论文检索用于作者导向的结构化反馈

Maitreya Prafulla Chitale, Ketaki Mangesh Shetye, Harshit Gupta, Manav Chaudhary, Manish Shrivastava, Vasudeva Varma

机构 * IIIT Hyderabad（IIIT海得拉尔学院） ； Microsoft, India（微软公司） ； Sentisum（Sentisum公司） 纠错

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

AI总结 AutoRev通过基于图的检索增强生成框架，为作者提供结构化反馈，提升预提交阶段的高质量指导生成。

DQ-LoRe: Dual Queries with Low Rank Approximation Re-ranking for In-Context Learning

DQ-LoRe：双查询与低秩近似重排序用于上下文学习

Jing Xiong, Zixuan Li, Chuanyang Zheng, Zhijiang Guo, Yichun Yin, Enze Xie, Zhicheng Yang, Qingxing Cao, Haiming Wang, Xiongwei Han, Jing Tang, Chengming Li, Xiaodan Liang

机构 * Sun Yat-Sen University（中山大学） ； The Chinese University of Hong Kong（香港中文大学） ； Huawei Noah’s Ark Lab（华为诺亚实验室） ； The Hong Kong University of Science and Technology (Guangzhou)（香港科学与技术大学（广州）） ； MBZUAI ； The Hong Kong University of Science and Technology（香港科学与技术大学） ； Shenzhen MSU-BIT University（深圳MSU-BIT大学） ； DarkMatter AI Research（DarkMatter AI研究） 纠错

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

AI总结 DQ-LoRe通过双查询与低秩近似重排序方法提升GPT-4上下文学习性能，实现94.2%的性能提升。

Comments Accepted in ICLR 2024

Separating Semantic Expansion from Linear Geometry for PubMed-Scale Vector Search

分离语义扩展与线性几何用于PubMed级向量搜索

Rob Koopman

专题命中 向量检索 ：vector search(title)；分类 cs.IR

AI总结 该研究提出了一种PubMed级向量搜索框架，通过分离语义扩展与线性几何，实现对生物医学文献的高效检索与聚类分析。

Comments 4 pages

PRISMA: Reinforcement Learning Guided Two-Stage Policy Optimization in Multi-Agent Architecture for Open-Domain Multi-Hop Question Answering

PRISMA：基于强化学习的多智能体架构中两阶段策略优化

Yu Liu, Wenxiao Zhang, Cong Cao, Wenxuan Lu, Fangfang Yuan, Diandian Guo, Kun Peng, Qiang Sun, Kaiyan Zhang, Yanbing Liu, Jin B. Hong, Bowen Zhou, Zhiyuan Ma

专题命中 知识库问答 ：retrieval-augmented generation(abstract)；RAG(abstract)；分类 cs.AI

AI总结 PRISMA通过两阶段组相对策略优化，结合推理引导协作，解决多跳问答中的检索崩溃和学习不稳定问题，实现高性能和稳定部署。

From Issues to Insights: RAG-based Explanation Generation from Software Engineering Artifacts

从问题到洞察：基于RAG的软件工程制品解释生成

Daniel Pöttgen, Mersedeh Sadeghi, Max Unterbusch, Andreas Vogelsang

专题命中 图谱与结构化RAG ：RAG(title,abstract)；retrieval-augmented generation(abstract)

AI总结 本文首次应用RAG方法从问题跟踪数据生成解释，实现90%的人工解释一致性，展示了结构化问题数据在提升软件系统可解释性方面的潜力。

Comments Accepted at NLBSE 2026, Rio de Janeiro, Brazil

Guiding Generative Storytelling with Knowledge Graphs

通过知识图谱引导生成叙事

Zhijun Pan, Antonios Andronis, Eva Hayek, Oscar AP Wilkinson, Ilya Lasy, Annette Parry, Guy Gadney, Tim J. Smith, Mick Grierson

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

AI总结 本研究通过知识图谱辅助生成叙事，提升长篇叙述的质量和用户可控性，实验表明结构明确的叙述有明显改进，但反思性故事未见提升。

Comments Accepted for publication in the International Journal of Human-Computer Interaction. Published online 29 December 2025

Journal ref International Journal of Human-Computer Interaction (2025)

Open World Knowledge Aided Single-Cell Foundation Model with Robust Cross-Modal Cell-Language Pre-training

开放世界知识辅助的单细胞基础模型与鲁棒跨模态细胞-语言预训练

Haoran Wang, Xuanyi Zhang, Shuangsang Fang, Longke Ran, Ziqing Deng, Yong Zhang, Yuxiang Li, Shaoshuai Li

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

AI总结 OKR-CELL通过开放世界知识和鲁棒跨模态预训练，提升单细胞基础模型在细胞-语言跨模态任务中的表现。

Comments 41 pages

Quantifying Document Impact in RAG-LLMs

量化RAG-LLM中的文档影响

Armin Gerami, Kazem Faghih, Ramani Duraiswami

机构 * Department of Computer Science（计算机科学系） ； Umiacs ； University of Maryland（马里兰大学） ； College Park MD 纠错

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 本文提出影响评分（IS）用于量化RAG-LLM中单个文档对输出的影响，通过实验验证其有效性，提升系统透明度和可靠性。

Naiad: Novel Agentic Intelligent Autonomous System for Inland Water Monitoring

Naiad：一种新型智能自主系统用于内陆水体监测

Eirini Baltzi, Tilemachos Moumouris, Athena Psalta, Vasileios Tsironis, Konstantinos Karantzalos

机构 * National Technical University of Athens（希腊国家技术大学） 纠错

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

AI总结 Naiad是一种基于大语言模型和外部工具的智能系统，用于通过地球观测数据实现内陆水体的全面监测。

CliCARE: Grounding Large Language Models in Clinical Guidelines for Decision Support over Longitudinal Cancer Electronic Health Records

CliCARE: 在纵向癌症电子健康记录上基于临床指南 grounding 大型语言模型以支持决策

Dongchen Li, Jitao Liang, Wei Li, Xiaoyu Wang, Longbing Cao, Kun Yu

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

AI总结 CliCARE 通过将纵向癌症 EHRs 转换为时序知识图谱并结合临床指南，为肿瘤科医生提供证据支持的决策支持。

Comments Accepted in AAAI Conference on Artificial Intelligence (AAAI-26, Oral)

Bridging External and Parametric Knowledge: Mitigating Hallucination of LLMs with Shared-Private Semantic Synergy in Dual-Stream Knowledge

弥合外部与参数化知识：通过共享-私有语义协同缓解LLM的幻觉

Yi Sui, Chaozhuo Li, Chen Zhang, Dawei song, Qiuchi Li

机构 * Beijing Institute of Technology, China（北京理工大学） ； Beijing University of Posts and Telecommunications, China（北京邮电大学） ； Meituan, China（美团） ； The Open University, UK（开放大学） 纠错

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

AI总结 本文提出DSSP-RAG框架，通过共享-私有语义协同机制，缓解LLM在整合外部知识时的幻觉问题，并提升生成性能。