ENCO: Life-Cycle Management of Enterprise-Grade Copilots
ENCO：企业级协作者的生命周期管理
机构 * Microsoft（微软公司） ； Carnegie Mellon University（卡内基梅隆大学）
专题命中 图谱与结构化RAG ：RAG(abstract)；分类 cs.AI
AI总结 ENCO 通过 DECO 框架提升企业级协作者的生命周期管理，实现高效检索增强生成和自动化资源访问，提高工程效率。
AI 大模型
RAG / 检索增强生成
检索增强生成、向量检索、知识库问答和面向大模型的搜索系统。
1. 图谱与结构化RAG 8 篇
2. 多模态RAG 2 篇
BayesRAG: Probabilistic Mutual Evidence Corroboration for Multimodal Retrieval-Augmented Generation
BayesRAG: 基于概率互证的多模态检索增强生成
机构 * University of Science and Technology of China（中国科学技术大学） ； Unisound AI Technology Co.Ltd（Unisound AI技术有限公司） ； MAIS, Institute of Automation, Chinese Academy of Sciences（自动化研究所，中国科学院）
专题命中 多模态RAG ：retrieval-augmented generation(title,abstract)；RAG(abstract)；分类 cs.CL
AI总结 BayesRAG通过概率互证机制提升多模态检索增强生成的性能，有效解决异构模态的隔离问题。
Comments 17 pages, 8 figures
An Intelligent AI glasses System with Multi-Agent Architecture for Real-Time Voice Processing and Task Execution
基于多智能体架构的智能AI眼镜系统：用于实时语音处理与任务执行
专题命中 多模态RAG ：retrieval-augmented generation(abstract)；RAG(abstract)；分类 cs.AI
AI总结 本文提出一种基于多智能体架构的AI眼镜系统，实现实时语音处理与多语言任务执行。
Comments Published in NCS 2025 (Paper No. N0180)
3. RAG评测 9 篇
On the Effectiveness of Proposed Techniques to Reduce Energy Consumption in RAG Systems: A Controlled Experiment
在RAG系统中减少能耗的所提技术有效性：一项受控实验
专题命中 RAG评测 ：RAG(title,abstract)；retrieval-augmented generation(abstract)
AI总结 本研究通过受控实验评估了五种减少RAG系统能耗的技术，发现调整检索阈值和减少嵌入尺寸能有效降低能耗与延迟，同时保持准确率。
Comments Accepted for publication at the 2026 International Conference on Software Engineering: Software Engineering in Society (ICSE-SEIS'26)
CyberLLM-FINDS 2025: Instruction-Tuned Fine-tuning of Domain-Specific LLMs with Retrieval-Augmented Generation and Graph Integration for MITRE Evaluation
CyberLLM-FINDS 2025：基于检索增强生成和图集成的领域特定LLM指令微调方法用于MITRE评估
专题命中 RAG评测 ：retrieval-augmented generation(title,abstract)；RAG(abstract)
AI总结 本文提出了一种基于检索增强生成和图集成的领域特定LLM微调方法，通过STIX威胁情报实现与MITRE ATT&CK技术的对齐，提升网络安全威胁情报分析的准确性。
Comments 12 pages
Pragya: An AI-Based Semantic Recommendation System for Sanskrit Subhasitas
Pragya：一种基于人工智能的印地语Subhasitas语义推荐系统
机构 * Department of Computer Engineering Don Bosco Institute of Technology Mumbai, India（计算机工程系 内华大学技术学院 孟买 印度） ； Department of Mechanical Engineering Don Bosco Institute of Technology Mumbai, India（机械工程系 内华大学技术学院 孟买 印度）
专题命中 RAG评测 ：retrieval-augmented generation(abstract)；RAG(abstract)；分类 cs.CL、cs.AI
AI总结 Pragya通过结合检索与生成技术，为印地语Subhasitas提供语义推荐，提升其在数字时代的可访问性和应用价值。
Comments Preprint
Benchmarking Small Language Models and Small Reasoning Language Models on System Log Severity Classification
在系统日志严重性分类上评估小型语言模型和小型推理语言模型
机构 * George Mason University（乔治·马歇尔大学） ； Harvard University（哈佛大学）
专题命中 RAG评测 ：retrieval-augmented generation(abstract)；RAG(abstract)；分类 cs.AI
AI总结 本研究评估了小型语言模型和小型推理语言模型在系统日志严重性分类上的性能，发现架构设计、训练目标和上下文整合能力共同影响模型表现。
Comments 28 pages, 5 figures, 7 tables
LongEmotion: Measuring Emotional Intelligence of Large Language Models in Long-Context Interaction
LongEmotion: 测量大语言模型在长上下文交互中的情感智能
机构 * Shenzhen MSU-BIT University（深圳MSU-BIT大学） ； The University of Hong Kong（香港大学） ； City University of Hong Kong（香港城市大学） ； Institute of Automation, Chinese Academy of Sciences（中国科学院自动化研究所） ； Shenzhen Institute of Advanced Technology, Chinese Academy of Sciences（中国科学院深圳先进技术研究所） ； Beijing Normal University（北京师范大学） ； University of Michigan, Ann Arbor（密歇根大学安娜堡分校）
专题命中 RAG评测 ：retrieval-augmented generation(abstract)；RAG(abstract)；分类 cs.CL
AI总结 LongEmotion是一个评估大语言模型在长上下文交互中情感智能的基准，通过多任务和协作框架提升模型在情绪识别与共情生成中的表现。
Comments Technical Report
Operation Veja: Fixing Fundamental Concepts Missing from Modern Roleplaying Training Paradigms
Operation Veja: 修复现代角色扮演训练范式中缺失的根本概念
机构 * Divergence 2% LLC ； Department of Electrical and Computer Engineering University of Illinois Urbana-Champaign（电气与计算机工程系伊利诺伊大学厄巴纳-香槟分校） ； Department of Computer Science University of Illinois Urbana-Champaign（计算机科学系伊利诺伊大学厄巴纳-香槟分校）
专题命中 RAG评测 ：retrieval-augmented generation(abstract)；RAG(abstract)；分类 cs.CL
AI总结 Operation Veja提出VEJA框架，通过整合价值观、经历、判断和能力，改进角色扮演模型的数据整理方法，以提升角色真实性和叙述连续性。
Comments Accepted to NeurIPS 2025 PeronaLLM workshop
Lost in the Noise: How Reasoning Models Fail with Contextual Distractors
陷入噪声中：推理模型在上下文干扰中的失败
机构 * University of Illinois Chicago（伊利诺伊大学芝加哥分校）
专题命中 RAG评测 ：RAG(abstract)；分类 cs.CL、cs.AI
AI总结 本文提出RARE方法，通过激励识别噪声中的有用信息，提升模型在上下文干扰下的鲁棒性，揭示增加计算量反而导致噪声环境下性能下降的反比例趋势。
Comments Preprint
SciIF: Benchmarking Scientific Instruction Following Towards Rigorous Scientific Intelligence
SciIF: 科学指令遵循基准测试以实现严谨的科学智能
机构 * Shanghai AI Laboratory（上海人工智能实验室） ； University of Science and Technology of China（中国科学技术大学） ； Shanghai Jiao Tong University（上海交通大学） ； The Chinese University of Hong Kong（香港中文大学） ； University of Sydney（悉尼大学） ； Fudan University（复旦大学） ； Tsinghua University（清华大学） ； Beihang University（北航大学）
专题命中 RAG评测 ：knowledge retrieval(abstract)；分类 cs.AI、cs.DB
AI总结 SciIF是一个评估模型在科学问题解决中严格遵守约束条件能力的多学科基准测试，通过显式证据验证科学有效性，提升LLM在科学逻辑框架中的可靠性。
Evaluation of the Automated Labeling Method for Taxonomic Nomenclature Through Prompt-Optimized Large Language Model
通过提示优化的大型语言模型评估自动标注方法在分类学命名中的应用
专题命中 RAG评测 ：retrieval-augmented generation(abstract)；分类 cs.CL、cs.AI
AI总结 本文通过提示优化的大型语言模型评估了自动标注方法在分类学命名中的可行性，发现其在形态、地理和人名类别中表现良好，但在生态与行为及文化背景类别中存在挑战。
Comments This paper was accepted by IEEE IAICT
