RAG / 检索增强生成

PersonaRAG: Enhancing Retrieval-Augmented Generation Systems with User-Centric Agents

PersonaRAG: 通过以用户为中心的代理增强检索增强生成系统

Saber Zerhoudi, Michael Granitzer

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

AI总结 PersonaRAG通过引入以用户为中心的代理，提升检索增强生成系统对用户需求的适应能力，实现更精准的个性化回答。

Journal ref Information Retrieval's Role in RAG Systems (IR-RAG) workshop at SIGIR, 2024, Washington D.C., USA

RoutIR: Fast Serving of Retrieval Pipelines for Retrieval-Augmented Generation

RoutIR: 为检索增强生成系统提供快速服务的检索流水线

Eugene Yang, Andrew Yates, Dawn Lawrie, James Mayfield, Trevor Adriaanse

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

AI总结 RoutIR 提供了一种高效的 HTTP API，支持动态构建和查询检索流水线，适用于需要在线服务的 RAG 系统。

Comments 17 pages, 1 figure

LADFA: A Framework of Using Large Language Models and Retrieval-Augmented Generation for Personal Data Flow Analysis in Privacy Policies

LADFA：利用大型语言模型和检索增强生成进行隐私政策中个人数据流分析的框架

Haiyue Yuan, Nikolay Matyunin, Ali Raza, Shujun Li

机构 * Institute of Cyber Security for Society (iCSS) \& School of Computing, University of Kent Canterbury United Kingdom ； Honda Research Institute Europe GmbH Germany ； Institute of Cyber Security for Society (iCSS) \& School of Computing, University of Kent ； Honda Research Institute Europe GmbH 纠错

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

AI总结 LADFA利用大型语言模型和检索增强生成技术，实现对隐私政策中个人数据流的自动化分析与可视化。

Topo-RAG: Topology-aware retrieval for hybrid text-table documents

Topo-RAG：面向混合文本-表格文档的拓扑感知检索

Alex Dantart, Marco Kóvacs-Navarro

机构 * Humanizing Internet 纠错

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

AI总结 Topo-RAG通过双架构处理混合文本-表格文档，保留空间关系提升检索效果。

Classifying and Addressing the Diversity of Errors in Retrieval-Augmented Generation Systems

对检索增强生成系统中错误多样性的分类与解决

Kin Kwan Leung, Mouloud Belbahri, Yi Sui, Alex Labach, Xueying Zhang, Stephen Anthony Rose, Jesse C. Cresswell

机构 * Layer 6 AI 纠错

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

AI总结 本文对检索增强生成系统中的错误类型进行分类，并提出解决方法和数据集，以提升系统的鲁棒性。

Comments EACL 2026

Structure and Diversity Aware Context Bubble Construction for Enterprise Retrieval Augmented Systems

结构与多样性感知的上下文气泡构建方法用于企业检索增强系统

Amir Khurshid, Abhishek Sehgal

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

AI总结 本文提出一种结构感知和多样性约束的上下文气泡构建方法，以提高企业检索增强系统中上下文的效率和信息完整性。

FaTRQ: Tiered Residual Quantization for LLM Vector Search in Far-Memory-Aware ANNS Systems

FaTRQ：面向远内存感知的ANNS系统中的分层残差量化

Tianqi Zhang, Flavio Ponzina, Tajana Rosing

机构 * San Diego State University（圣地亚哥州立大学） 纠错

专题命中 向量检索 ：vector search(title)；retrieval-augmented generation(abstract)；RAG(abstract)；分类 cs.IR

AI总结 FaTRQ通过分层残差量化和自定义加速器，提升ANNS系统的存储效率和吞吐量。

CoRECT: A Framework for Evaluating Embedding Compression Techniques at Scale

CoRECT：大规模评估嵌入压缩技术的框架

L. Caspari, M. Dinzinger, K. Ghosh Dastidar, C. Fellicious, J. Mitrović, M. Granitzer

专题命中 向量检索 ：dense retrieval(abstract)；分类 cs.IR

AI总结 CoRECT框架通过大规模评估和新数据集，展示非学习压缩在减少索引大小的同时保持性能，为压缩方法的选择提供一致比较依据。

Investigating LLM Capabilities on Long Context Comprehension for Medical Question Answering

探究大语言模型在医疗问答中的长上下文理解能力

Feras AlMannaa, Talia Tseriotou, Jenny Chim, Maria Liakata

机构 * Istanbul Aydın University（伊斯坦布尔阿迪兰大学） ； Queen Mary University of London（伦敦女王学院） ； The Alan Turing Institute（艾伦·图灵研究所） 纠错

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

AI总结 本研究探讨大语言模型在医疗问答中处理长上下文任务的能力，分析了模型大小、记忆问题及RAG方法的效果，揭示了其在不同任务中的优势与限制。

C-GRASP: Clinically-Grounded Reasoning for Affective Signal Processing

C-GRASP：基于临床的感知信号处理推理

Cheng Lin Cheng, Ting Chuan Lin, Chai Kai Chang

机构 * Department of Physics National Central University（物理系国立中央大学） ； Center for Education National Central University（教育中心国立中央大学） 纠错

专题命中 长文档RAG ：RAG(abstract)；分类 cs.AI

AI总结 C-GRASP通过临床基础推理提升情感信号处理的准确性与临床一致性。

From SERPs to Agents: A Platform for Comparative Studies of Information Interaction

从搜索结果页面到代理：一个用于信息交互比较研究的平台

Saber Zerhoudi, Michael Granitzer

专题命中 长文档RAG ：RAG(abstract)；分类 cs.IR

AI总结 UXLab是一个开源平台，用于比较信息交互系统，通过无代码实验设计支持多模态交互研究。

Journal ref Proceedings of the 2026 ACM SIGIR Conference on Human Information Interaction and Retrieval (CHIIR '26)

Investigating Tool-Memory Conflicts in Tool-Augmented LLMs

探究工具增强大语言模型中的工具-记忆冲突

Jiali Cheng, Rui Pan, Hadi Amiri

机构 * University of Massachusetts Lowell（马萨诸塞大学洛约拉分校） ； University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校） 纠错

专题命中 长文档RAG ：RAG(abstract)；分类 cs.AI

AI总结 本文提出工具-记忆冲突的概念，发现现有LLMs在STEM任务中存在该问题，并评估了现有解决方法的不足。

Comments R2-FM Workshop @ ICML 2025

Continuum Memory Architectures for Long-Horizon LLM Agents

连续记忆架构用于长周期大语言模型智能体

Joe Logan

机构 * Mode7 GK Tokyo, Japan（Mode7 GK东京） 纠错

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

AI总结 连续记忆架构通过持久存储和动态更新机制，解决了长周期大语言模型智能体在记忆积累、修改和消歧方面的局限性，同时揭示了该架构在延迟、漂移和可解释性方面的挑战。

Comments 10 Pages

CoSense-LLM: Semantics at the Edge with Cost- and Uncertainty-Aware Cloud-Edge Cooperation

CoSense-LLM：在成本和不确定性意识下实现边缘语义的云边协作

Hasan Akgul, Mari Eplik, Javier Rojas, Aina Binti Abdullah, Pieter van der Merwe

专题命中 多模态RAG ：RAG(abstract)；hybrid retrieval(abstract)；分类 cs.CL

AI总结 CoSense-LLM通过边缘优先设计，在成本和不确定性意识下实现云边协作，以提供紧凑的语义标记和隐私保护。

Comments arXiv admin note: This paper has been withdrawn by arXiv due to unverifiable authorship and affiliation

Unleashing the Capabilities of Large Vision-Language Models for Intelligent Perception of Roadside Infrastructure

释放大型视觉-语言模型的能力以实现道路基础设施的智能感知

Luxuan Fu, Chong Liu, Bisheng Yang, Zhen Dong

机构 * State Key Laboratory of Information Engineering in Surveying, Mapping and Remote Sensing (LIESMARS)（信息工程测绘遥感国家重点实验室） ； Wuhan University（武汉大学） ； Hubei Luojia Laboratory（湖北珞珈实验室） 纠错

专题命中 多模态RAG ：retrieval-augmented generation(abstract)；RAG(abstract)

AI总结 本文提出一种领域适应框架，通过数据高效微调和知识引导推理，提升大型视觉语言模型在城市道路基础设施感知中的性能和专业合规性。

SiliconHealth: A Complete Low-Cost Blockchain Healthcare Infrastructure for Resource-Constrained Regions Using Repurposed Bitcoin Mining ASICs

SiliconHealth: 一种基于区块链的低成本医疗基础设施，利用再利用的比特币挖矿ASICs为资源匮乏地区服务

Francisco Angulo de Lafuente, Seid Mehammed Abdu, Nirmal Tej

专题命中 多模态RAG ：retrieval-augmented generation(abstract)；RAG(abstract)

AI总结 SiliconHealth利用废弃比特币挖矿ASICs构建低成本区块链医疗系统，实现安全、节能的医疗记录管理，适用于资源匮乏地区。

Comments 8 pages, 9 tables, 2 figures, experimental validation with cross-device results, economic analysis

Scalable and Reliable Evaluation of AI Knowledge Retrieval Systems: RIKER and the Coherent Simulated Universe

可扩展且可靠的AI知识检索系统评估：RIKER和一致性模拟宇宙

JV Roig

机构 * Kamiwaza AI 纠错

专题命中 RAG评测 ：knowledge retrieval(title)；RAG(abstract)；分类 cs.CL、cs.AI

AI总结 RIKER通过生成文档而非提取地面真实，提供了一种可扩展且抗污染的AI知识检索系统评估方法，揭示了上下文长度、跨文档聚合和事实基础能力等关键问题。

Comments 26 pages, 17 tables, 1 figure

A Generalizable Framework for Building Executable Domain-Specific LLMs under Data Scarcity: Demonstration on Semiconductor TCAD Simulation

在数据稀缺条件下构建可执行领域特定大语言模型的通用框架：以半导体TCAD仿真为例

Di Wang, Zhenhua Wu, Yu Liu, Kai Chang, Shaohua Wu

专题命中 RAG评测 ：retrieval-augmented generation(abstract)；RAG(abstract)

AI总结 本文提出一种通用框架，在数据稀缺条件下构建可执行的领域特定大语言模型，通过生成合成数据和代码优化流程，实现领域知识灌输和脚本可执行性提升。

Comments Submitted to Nature Computational Science

SagaScale: A Realistic, Scalable, and High-Quality Long-Context Benchmark Built from Full-Length Novels

SagaScale: 一种真实、可扩展且高质量的长上下文基准，基于完整小说构建

Guancheng Du, Yong Hu, Wenqing Wang, Yaming Yang, Jiaheng Gao

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

AI总结 SagaScale基于完整小说构建，提供长上下文基准，通过自动化数据收集管道，评估12个LLMs和三种方法，揭示LLM在长上下文处理中的表现差异及Agentic RAG的改进效果。