RAG / 检索增强生成

Efficient and Reproducible Biomedical Question Answering using Retrieval Augmented Generation

高效且可重复的生物医学问答使用检索增强生成

Linus Stuhlmann, Michael Alexander Saxer, Jonathan Fürst

机构 * School of Engineering, Zurich University of Applied Sciences, Winterthur, Switzerland（工程学院，应用科学大学，温特图尔，瑞士） 纠错

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

AI总结 本研究提出了一种高效的生物医学问答系统，通过检索增强生成方法，在PubMed语料库上优化检索深度与响应时间的平衡。

Comments Minor wording corrections and updated author contact information

Journal ref 2025 IEEE Swiss Conference on Data Science (SDS), pp. 154-157

RAG-R1: Incentivizing the Search and Reasoning Capabilities of LLMs through Multi-query Parallelism

RAG-R1：通过多查询并行性激励大语言模型的搜索与推理能力

Zhiwen Tan, Jiaming Huang, Qintong Wu, Hongxuan Zhang, Chenyi Zhuang, Jinjie Gu

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

AI总结 RAG-R1通过多查询并行性提升大语言模型的搜索与推理能力，实验显示其在问答基准中性能优于基线方法，推理效率提升显著。

A survey: Information search time optimization based on RAG (Retrieval Augmentation Generation) chatbot

综述：基于RAG（检索增强生成）聊天机器人信息检索时间优化

Jinesh Patel, Arpit Malhotra, Ajay Pande, Prateek Caire

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

AI总结 基于RAG的聊天机器人在信息检索时间优化方面优于传统搜索方法，能有效提升搜索效率。

RAGShaper: Eliciting Sophisticated Agentic RAG Skills via Automated Data Synthesis

RAGShaper: 通过自动化数据合成激发复杂的代理RAG技能

Zhengwei Tao, Bo Li, Jialong Wu, Guochen Yan, Huanyao Zhang, Jiahao Xu, Haitao Mi, Wentao Zhang

机构 * Peking University（北京大学） ； Tencent AI Lab（腾讯人工智能实验室） 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 RAGShaper通过自动化数据合成构建高质量RAG任务和代理轨迹，提升模型在复杂检索任务中的鲁棒性。

Query Suggestion for Retrieval-Augmented Generation via Dynamic In-Context Learning

通过动态上下文学习实现检索增强生成的查询建议

Fabian Spaeh, Tianyi Chen, Chen-Hao Chiang, Bin Shen

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

AI总结 本文提出通过动态上下文学习实现检索增强生成的查询建议，以提升用户交互的安全性和有效性。

Parallel Context-of-Experts Decoding for Retrieval Augmented Generation

并行专家上下文解码用于检索增强生成

Giulio Corallo, Paolo Papotti

机构 * SAP Labs, France（法国SAP实验室） ； EURECOM, France（法国EURECOM） 纠错

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

AI总结 并行专家上下文解码通过检索感知对比解码规则，实现检索增强生成中跨文档推理能力的恢复，无需训练。

Align-GRAG: Anchor and Rationale Guided Dual Alignment for Graph Retrieval-Augmented Generation

Align-GRAG: 基于锚点和推理引导的双 Alignment 图检索增强生成

Derong Xu, Pengyue Jia, Xiaopeng Li, Yingyi Zhang, Maolin Wang, Qidong Liu, Xiangyu Zhao, Yichao Wang, Huifeng Guo, Ruiming Tang, Enhong Chen, Tong Xu

机构 * University of Science and Technology of China（中国科学技术大学） ； City University of Hong Kong（香港城市大学） ； Noah’s Ark Lab, Huawei（华为诺亚实验室） 纠错

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

AI总结 Align-GRAG通过锚点和推理引导的双 Alignment 框架，提升图检索增强生成的准确性与语义对齐能力。

EmbeddingRWKV: State-Centric Retrieval with Reusable States

EmbeddingRWKV: 基于可重用状态的检索方法

Haowen Hou, Jie Yang

机构 * Guangdong Laboratory of Artificial Intelligence and Digital Economy (SZ)（广东人工智能与数字经济实验室） ； Shenzhen Yuanshi Intelligence Co., Ltd（深圳元世智能科技有限公司） 纠错

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

AI总结 EmbeddingRWKV通过统一的嵌入模型和状态骨干，实现高效检索与重排序，提升系统效率。

Comments 23 pages, 3 figures, 6 tables

WaterCopilot: An AI-Driven Virtual Assistant for Water Management

WaterCopilot：一种基于人工智能的虚拟助手用于水资源管理

Keerththanan Vickneswaran, Mariangel Garcia Andarcia, Hugo Retief, Chris Dickens, Paulo Silva

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

AI总结 WaterCopilot通过AI驱动的虚拟助手整合多源数据，提升跨境流域水资源治理的效率与决策能力。

Comments 15 pages, 12 figures. This work was developed in collaboration between the International Water Management Institute (IWMI) and Microsoft Research. The supplementary user guide for WaterCopilot is available via this https://cgspace.cgiar.org/server/api/core/bitstreams/a5818d12-629d-4f70-a3b0-ee6c25e82cd7/content

GraphSearch: Agentic Search-Augmented Reasoning for Zero-Shot Graph Learning

GraphSearch: 基于代理的搜索增强推理用于零样本图学习

Jiajin Liu, Yuanfu Sun, Dongzhe Fan, Qiaoyu Tan

机构 * Department of Computer Science, New York University (Shanghai)（计算机科学系，纽约大学（上海）） 纠错

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

AI总结 GraphSearch通过图感知查询规划器和检索器实现零样本图学习，无需任务特定微调，提升图结构推理效率。

Comments 16 pages, 5 pages

AgriLens: Semantic Retrieval in Agricultural Texts Using Topic Modeling and Language Models

AgriLens：利用主题建模和语言模型进行农业文本的语义检索

Heba Shakeel, Tanvir Ahmad, Tanya Liyaqat, Chandni Saxena

机构 * 3 Dept. of Computer Science \& Applications, Sharda University, Greater Noida, Uttar Pradesh, India ； 4 The Chinese University of Hong Kong, Hong Kong SAR, China 纠错

专题命中 检索器与排序 ：vector search(abstract)；分类 cs.IR

AI总结 AgriLens通过主题建模和语言模型实现农业文本的可解释语义检索，提供零样本主题标注和高效检索能力。

Comments 8 Pages, 1st workshop on Democratizing GenAI and Scalable NLP with HiPC for Societal Impact; 32nd IEEE International Conference on High Performance Computing, Data, & Analytics

Automating API Documentation from Crowdsourced Knowledge

从众包知识自动化生成API文档

Bonan Kou, Zijie Zhou, Muhao Chen, Tianyi Zhang

专题命中 检索器与排序 ：dense retrieval(abstract)

AI总结 AutoDoc通过从Stack Overflow提取API知识，生成更准确、简洁且全面的API文档，有效解决官方文档过时和不完整的问题。

Comments 13 pages, 2 figures, Accepted to ICSE 2026

SVFusion: A CPU-GPU Co-Processing Architecture for Large-Scale Real-Time Vector Search

SVFusion：一种用于大规模实时向量搜索的CPU-GPU协同架构

Yuchen Peng, Dingyu Yang, Zhongle Xie, Ji Sun, Lidan Shou, Ke Chen, Gang Chen

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

AI总结 SVFusion通过CPU-GPU协同处理和动态更新机制，提升大规模实时向量搜索的性能和效率。

Comments This paper has been accepted for publication in PVLDB Volume 19(VLDB 2026)

OpenMic: A Multi-Agent-Based Stand-Up Comedy Generation System

OpenMic: 基于多智能体的站立喜剧生成系统

Yuyang Wu, Hanzhong Cao, Jianhao Chen, Yufei Li

机构 * School of Electronics Engineering and Computer Science, Peking University（电子工程与计算机科学学院，北京大学） 纠错

专题命中 长文档RAG ：retrieval-augmented generation(abstract)；RAG(abstract)；分类 cs.AI

AI总结 OpenMic通过多智能体系统生成基于文化背景的站立喜剧，结合检索增强生成和专用JokeWriter提升幽默与节奏表现。

Reliable Graph-RAG for Codebases: AST-Derived Graphs vs LLM-Extracted Knowledge Graphs

可靠的代码库图-RAG：基于AST的图与LLM提取的知识图谱

Manideep Reddy Chinthareddy

机构 * Software Engineer, Centerville, USA（美国辛斯维尔软件工程师） 纠错

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

AI总结 本文比较了基于AST的图谱和LLM提取的知识图谱在代码库中的检索性能，发现确定性AST图谱在索引成本和多跳推理方面更具优势。

Comments 46 pages, 2 figures

DeKeyNLU: Enhancing Natural Language to SQL Generation through Task Decomposition and Keyword Extraction

DeKeyNLU：通过任务分解和关键词提取增强自然语言到SQL生成

Jian Chen, Zhenyan Chen, Xuming Hu, Peilin Zhou, Yining Hua, Han Fang, Cissy Hing Yee Choy, Xinmei Ke, Jingfeng Luo, Zixuan Yuan

机构 * The Hong Kong University of Science and Technology (Guangzhou)（香港科学与技术大学（广州）） ； HSBC（汇丰银行） ； South China University of Technology（华南理工大学） ； Harvard University（哈佛大学） ； Chicago University（芝加哥大学） 纠错

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

AI总结 DeKeyNLU通过任务分解和关键词提取提升NL2SQL生成精度，提出DeKeySQL流程并验证其在BIRD和Spider数据集上的有效性。

CSQL: Mapping Documents into Causal Databases

CSQL：将文档映射到因果数据库

Sridhar Mahadevan

机构 * Adobe Research and University of Massachusetts（Adobe研究院和马萨诸塞大学） 纠错

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

AI总结 CSQL通过将文档转换为因果数据库，支持对文档集合的因果分析，能够回答‘为什么’的问题，并实现大规模语料库级别的因果查询和纵向分析。

Comments 26 pages

Enhancing Image Quality Assessment Ability of LMMs via Retrieval-Augmented Generation

通过检索增强生成提升大型多模态模型的图像质量评估能力

Kang Fu, Huiyu Duan, Zicheng Zhang, Yucheng Zhu, Jun Zhao, Xiongkuo Min, Jia Wang, Guangtao Zhai

机构 * Shanghai Jiao Tong University（上海交通大学） ； Tencent（腾讯） 纠错

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

AI总结 IQA-RAG通过检索增强生成提升LMMs图像质量评估能力，提供高效替代微调方案

Knowledge-based learning in Text-RAG and Image-RAG

基于知识的学习在Text-RAG和Image-RAG中的应用

Alexander Shim, Khalil Saieh, Samuel Clarke

机构 * Florida International University（佛罗里达国际大学） 纠错

专题命中 多模态RAG ：RAG(title,abstract)；分类 cs.AI

AI总结 本研究通过比较基于文本和图像的RAG方法，探讨了如何利用外部知识减少幻觉问题并提升胸部X光图像疾病检测的准确性。

Comments 9 pages, 10 figures

Memory in the Age of AI Agents

人工智能代理时代的记忆

Yuyang Hu, Shichun Liu, Yanwei Yue, Guibin Zhang, Boyang Liu, Fangyi Zhu, Jiahang Lin, Honglin Guo, Shihan Dou, Zhiheng Xi, Senjie Jin, Jiejun Tan, Yanbin Yin, Jiongnan Liu, Zeyu Zhang, Zhongxiang Sun, Yutao Zhu, Hao Sun, Boci Peng, Zhenrong Cheng, Xuanbo Fan, Jiaxin Guo, Xinlei Yu, Zhenhong Zhou, Zewen Hu, Jiahao Huo, Junhao Wang, Yuwei Niu, Yu Wang, Zhenfei Yin, Xiaobin Hu, Yue Liao, Qiankun Li, Kun Wang, Wangchunshu Zhou, Yixin Liu, Dawei Cheng, Qi Zhang, Tao Gui, Shirui Pan, Yan Zhang, Philip Torr, Zhicheng Dou, Ji-Rong Wen, Xuanjing Huang, Yu-Gang Jiang, Shuicheng Yan

机构 * Core Supervisors. 0.5em Affiliations: National University of Singapore, Renmin University of China, Fudan University, Peking University, Nanyang Technological University, Tongji University, University of California San Diego, Hong Kong University of Science ； Technology (Guangzhou), Griffith University, Georgia Institute of Technology, OPPO, Oxford University 纠错

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

AI总结 本文系统梳理了人工智能代理记忆的现状与分类，提出了记忆的三种形式、功能分类及动态分析，为未来智能设计提供理论基础。

MRAG-Suite: A Diagnostic Evaluation Platform for Visual Retrieval-Augmented Generation

MRAG-Suite：一个用于视觉检索增强生成的诊断评估平台

Yuelyu Ji, Wuwei Lan, Patrick NG

机构 * University of Pittsburgh（匹兹堡大学） 纠错

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

AI总结 MRAG-Suite通过引入难度和歧义过滤策略及诊断工具MM-RAGChecker，系统评估视觉检索增强生成的性能与常见幻觉问题。