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