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。