RAG / 检索增强生成

Large Language Model Integration for Knowledge Retrieval and Interaction for the DUNE Experiment

大型语言模型整合用于DUNE实验的知识检索与交互

A. Rafique, A. Singh, R. Srinivas

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

AI总结 DUNE-GPT利用大型语言模型和检索增强生成技术，实现对DUNE实验内部文档的自然语言查询，提升协作效率与数据隐私保护。

SpectraQuery: A Hybrid Retrieval-Augmented Conversational Assistant for Battery Science

SpectraQuery: 一种用于电池科学的混合检索增强型对话助手

Sreya Vangara, Jagjit Nanda, Yan-Kai Tzeng, Eric Darve

机构 * Mechanical Engineering, Stanford University（斯坦福大学机械工程系） ； Applied Energy Division, SLAC National Accelerator Laboratory（SLAC国家加速器实验室应用能源部门） ； Institute of Computational and Mathematical Engineering, Stanford University（斯坦福大学计算与数学工程研究所） 纠错

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

AI总结 SpectraQuery通过结合结构化数据库和文献语料库，为电池科学提供检索增强型对话助手，有效整合数值证据与机理解释，提升科学推理效率。

Comments 11 pages, 8 figures, appendix included

To Retrieve or To Think? An Agentic Approach for Context Evolution

是检索还是思考？一种情境演化的代理方法

Rubing Chen, Jian Wang, Wenjie Li, Xiao-Yong Wei, Qing Li

机构 * Department of Computing, The Hong Kong Polytechnic University（计算系，香港理工大学） 纠错

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

AI总结 本文提出Agentic Context Evolution (ACE)方法，通过代理动态决策在检索与推理间切换，提升知识密集型任务的生成效率与准确性。

SpatCode: Rotary-based Unified Encoding Framework for Efficient Spatiotemporal Vector Retrieval

SpatCode: 基于旋转的统一编码框架用于高效的时空向量检索

Bingde Hu, Enhao Pan, Wanjing Zhou, Yang Gao, Zunlei Feng, Hao Zhong

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

AI总结 SpatCode提出一种基于旋转的统一编码框架，通过整合时间、空间和语义线索，实现高效的时空向量检索，提升检索准确性和效率。

Federated Customization of Large Models: Approaches, Experiments, and Insights

联邦大模型定制化：方法、实验与洞察

Yuchuan Ye, Ming Ding, Youjia Chen, Peng Cheng, Dusit Niyato

机构 * College of Physics and Information Engineering, Fuzhou University（物理与信息工程学院，福州大学） ； Data61, CSIRO（Data61，CSIRO） ； Department of Computer Science and Information Technology, La Trobe University（计算机科学与信息科技系，拉筹夫大学） ； College of Computing and Data Science, Nanyang Technological University（计算与数据科学学院，南洋理工大学） 纠错

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

AI总结 本文提出联邦学习中的大模型定制化方法，通过实验验证了前缀微调的有效性，展示了其在性能、效率和鲁棒性方面的竞争力。

Comments 8 pages, 1 figure