RAG / 检索增强生成

From Prefix Cache to Fusion RAG Cache: Accelerating LLM Inference in Retrieval-Augmented Generation

从前缀缓存到融合RAG缓存：加速检索增强生成中的LLM推理

Jiahao Wang, Weiyu Xie, Mingxing Zhang, Boxing Zhang, Jianwei Dong, Yuening Zhu, Chen Lin, Jinqi Tang, Yaochen Han, Zhiyuan Ai, Xianglin Chen, Yongwei Wu, Congfeng Jiang

机构 * Hangzhou Dianzi University（杭州电子科技大学） ； Tsinghua University（清华大学） 纠错

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

AI总结 FusionRAG通过优化RAG的预处理和重处理阶段，在保持生成质量的同时提升推理效率。

VectorLiteRAG: Latency-Aware and Fine-Grained Resource Partitioning for Efficient RAG

VectorLiteRAG: 一种面向延迟敏感的细粒度资源划分方法以实现高效的RAG系统

Junkyum Kim, Divya Mahajan

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

AI总结 VectorLiteRAG通过细粒度GPU资源划分方法，提升RAG系统在延迟敏感场景下的吞吐量性能，无需额外硬件资源。

LIR$^3$AG: A Lightweight Rerank Reasoning Strategy Framework for Retrieval-Augmented Generation

LIR$^3$AG：一种轻量级重排序推理策略框架用于检索增强生成

Guo Chen, Junjie Huang, Huaijin Xie, Fei Sun, Tao Jia

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

AI总结 LIR$^3$AG通过重构检索证据为连贯推理链，使非推理模型在RAG中实现性能超越，减少计算开销并提升F1分数。

Comments AAAI2026

CODE: A Contradiction-Based Deliberation Extension Framework for Overthinking Attacks on Retrieval-Augmented Generation

CODE：一种基于矛盾的 deliberation 延伸框架，用于对抗检索增强生成中的过度思考攻击

Xiaolei Zhang, Xiaojun Jia, Liquan Chen, Songze Li

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

AI总结 本文提出 CODE 框架，通过构造污染样本引发 RAG 系统的过度思考攻击，导致推理标记消耗激增，同时不影响任务性能。

Comments 12 pages with 7 figures

Utilizing Metadata for Better Retrieval-Augmented Generation

利用元数据提升检索增强生成

Raquib Bin Yousuf, Shengzhe Xu, Mandar Sharma, Andrew Neeser, Chris Latimer, Naren Ramakrishnan

机构 * Virginia Tech（弗吉尼亚理工大学） 纠错

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

AI总结 本文提出元数据感知的检索策略，通过融合元数据与内容提升检索增强生成的效果，实验表明统一嵌入优于纯文本基线。

Comments The 48th European Conference on Information Retrieval (ECIR 2026)

Evidence-Grounded Multi-Agent Planning Support for Urban Carbon Governance via RAG

基于证据的多智能体规划支持用于城市碳治理的RAG

Yuyan Huang, Haoran Li, Yifan Lu, Ruolin Wu, Siqian Chen, Chao Liu

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

AI总结 本文提出基于RAG的多智能体规划支持系统，用于城市碳治理，通过整合异质证据提升规划效率与准确性。

PerCache: Predictive Hierarchical Cache for RAG Applications on Mobile Devices

PerCache：面向移动设备的预测性分层缓存用于检索增强生成应用

Kaiwei Liu, Liekang Zeng, Lilin Xu, Bufang Yang, Zhenyu Yan

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

AI总结 PerCache通过预测性分层缓存减少移动RAG应用的端到端延迟，实现34.4%的延迟降低和动态资源下的最优性能。

Efficient Privacy-Preserving Retrieval Augmented Generation with Distance-Preserving Encryption

高效隐私保护检索增强生成与距离保持加密

Huanyi Ye, Jiale Guo, Ziyao Liu, Kwok-Yan Lam

机构 * College of Computing and Data Science（计算与数据科学学院） ； Nanyang Technological University（南洋理工大学） 纠错

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

AI总结 ppRAG通过CAPRISE加密技术，在不可信云环境中实现高效隐私保护的检索增强生成，提升隐私和效率，适用于资源受限用户。

Docs2Synth: A Synthetic Data Trained Retriever Framework for Scanned Visually Rich Documents Understanding

Docs2Synth: 一种用于扫描视觉丰富文档理解的合成数据训练检索框架

Yihao Ding, Qiang Sun, Puzhen Wu, Sirui Li, Siwen Luo, Wei Liu

机构 * University of Western Australia（西澳大学） ； The University of Hong Kong（香港大学） ； Murdoch University（默多克大学） 纠错

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

AI总结 Docs2Synth通过合成监督框架实现私有和低资源领域文档理解，利用检索引导推理提升接地能力和领域泛化，无需人工标注。

Comments Accepted at WWW 2026 Demo Track

Enhancing Retrieval Augmentation via Adversarial Collaboration

通过对抗协作增强检索增强生成

Letian Zhang, Guanghao Meng, Xudong Ren, Yiming Wang, Shu-Tao Xia

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

AI总结 AC-RAG通过对抗协作机制提升检索增强生成的准确性与领域适应性

Comments Due to some internal policies, we need to temporarily withdraw the paper. We will resubmit it after a further review

MIRAGE: Scaling Test-Time Inference with Parallel Graph-Retrieval-Augmented Reasoning Chains

MIRAGE: 通过并行图检索增强推理链实现测试时扩展

Kaiwen Wei, Rui Shan, Dongsheng Zou, Jianzhong Yang, Bi Zhao, Junnan Zhu, Jiang Zhong

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

AI总结 MIRAGE通过并行图检索增强推理链实现测试时扩展，提升医疗问答任务的准确性和可追溯性。

Comments 10 pages, 8 figures (including tables), plus appendix. Accepted to AAAI 2026

VoiceSculptor: Your Voice, Designed By You

VoiceSculptor: 由你设计你的声音

Jingbin Hu, Huakang Chen, Linhan Ma, Dake Guo, Qirui Zhan, Wenhao Li, Haoyu Zhang, Kangxiang Xia, Ziyu Zhang, Wenjie Tian, Chengyou Wang, Jinrui Liang, Shuhan Guo, Zihang Yang, Bengu Wu, Binbin Zhang, Pengcheng Zhu, Pengyuan Xie, Chuan Xie, Qiang Zhang, Jie Liu, Lei Xie

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

AI总结 VoiceSculptor通过整合指令驱动的语音设计和高保真语音克隆，实现对语音属性的精细控制，并在开源领域达到最先进水平。

Comments 13 pages, 4 figures

Undesirable Memorization in Large Language Models: A Survey

大语言模型中的不良记忆现象：综述

Ali Satvaty, Suzan Verberne, Fatih Turkmen

机构 * University of Groningen（Groningen大学） ； Leiden University（莱顿大学） 纠错

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

AI总结 本文综述了大语言模型中记忆化现象的文献，探讨了其分类、度量方法、成因及缓解策略，并提出了未来研究方向。

Logics-STEM: Empowering LLM Reasoning via Failure-Driven Post-Training and Document Knowledge Enhancement

Logics-STEM: 通过故障驱动的微调和文档知识增强赋能大语言模型推理

Mingyu Xu, Cheng Fang, Keyue Jiang, Yuqian Zheng, Yanghua Xiao, Baojian Zhou, Qifang Zhao, Suhang Zheng, Xiuwen Zhu, Jiyang Tang, Yongchi Zhao, Yijia Luo, Zhiqi Bai, Yuchi Xu, Wenbo Su, Wei Wang, Bing Zhao, Lin Qu, Xiaoxiao Xu

机构 * Alibaba Group（阿里巴巴集团） ； Shanghai Key Laboratory of Data Science, Fudan University（上海数据科学国家重点实验室，复旦大学） ； College of Computer Science and Artificial Intelligence, Fudan University（复旦大学计算机科学与人工智能学院） ； School of Data Science, Fudan University（复旦大学数据科学学院） 纠错

专题命中 检索器与排序 ：knowledge retrieval(abstract)；分类 cs.AI

AI总结 Logics-STEM通过故障驱动微调和文档知识增强，提升大语言模型在STEM领域的推理能力。

Software Model Evolution with Large Language Models: Experiments on Simulated, Public, and Industrial Datasets

基于大语言模型的软件模型演化：在模拟、公开和工业数据集上的实验

Christof Tinnes, Alisa Welter, Sven Apel

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

AI总结 本文提出RAMC方法，利用大语言模型实现软件模型补全，通过实验验证其在工业和公开数据集上的有效性。

Journal ref Proceedings of the 47th International Conference on Software Engineering (ICSE 2025), IEEE/ACM, 2025

Responsible AI for General-Purpose Systems: Overview, Challenges, and A Path Forward

通用系统责任AI：概述、挑战与前行之路

Gourab K Patro, Himanshi Agrawal, Himanshu Gharat, Supriya Panigrahi, Nim Sherpa, Vishal Vaddina, Dagnachew Birru

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

AI总结 本文探讨了通用AI系统在责任AI方面的挑战，并提出C2V2需求以指导未来系统的开发。

From HNSW to Information-Theoretic Binarization: Rethinking the Architecture of Scalable Vector Search

从HNSW到信息论二值化：重新思考可扩展向量搜索的架构

Seyed Moein Abtahi, Majid Fekri, Tara Khani, Akramul Azim

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

AI总结 本文提出基于信息论的二值化架构，通过最大信息二值化、高效位距度量和信息论评分机制，实现低延迟、高吞吐量的向量搜索，挑战传统大规模内存ANN索引的必要性。

Comments 16 Pages, 5 Figures, 3 Tables

Beyond Cosine Similarity: Taming Semantic Drift and Antonym Intrusion in a 15-Million Node Turkish Synonym Graph

超越余弦相似度：在1500万个节点的土耳其同义词图中驯服语义漂移和反义入侵

Ebubekir Tosun, Mehmet Emin Buldur, Özay Ezerceli, Mahmoud ElHussieni

专题命中 向量检索 ：retrieval-augmented generation(abstract)；分类 cs.CL

AI总结 本文提出了一种基于三元语义关系判别器和软到硬聚类算法的语义聚类系统，有效解决同义词与反义词区分问题，提升语义检索精度。

A Systematic Analysis of Chunking Strategies for Reliable Question Answering

对可靠问答系统中分块策略的系统分析

Sofia Bennani, Charles Moslonka

机构 * Artefact Research Center（Artifact研究中心） 纠错

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

AI总结 本文通过系统分析，探讨了不同分块策略对RAG系统可靠性的影响，发现句子分块在成本效率上最优，且上下文长度对性能有显著影响。

Comments 3 pages, 2 figures, 1 table, pre-print

Leveraging Lora Fine-Tuning and Knowledge Bases for Construction Identification

利用LoRA微调和知识库进行 constructions 识别

Liu Kaipeng, Wu Ling

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

AI总结 本研究通过LoRA微调和知识库结合，提升大型语言模型对英语双宾结构的识别能力，实验显示微调模型在性能上优于原生模型和理论驱动的RAG系统。

Comments 19pages, 1figure

Activation-Space Anchored Access Control for Multi-Class Permission Reasoning in Large Language Models

基于激活空间锚定的多类权限推理访问控制

Zhaopeng Zhang, Pengcheng Sun, Lan Zhang, Chen Tang, Jiewei Lai, Yunhao Wang, Hui Jin

机构 * University of Science and Technology of China（中国科学技术大学） ； Lenovo Research（联想研究院） 纠错

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

AI总结 本文提出AAAC框架，通过激活空间锚点实现多类权限控制，有效降低权限违规和攻击成功率。

Effective and Unsupervised Social Event Detection and Evolution via RAG and Structural Entropy

基于RAG和结构熵的有效且无监督的社会事件检测与演化

Qitong Liu, Hao Peng, Zuchen Li, Xihang Meng, Ziyu Yang, Jiting Li, Li Sun, Philip S. Yu

专题命中 图谱与结构化RAG ：RAG(title,abstract)；retrieval augmented generation(abstract)

AI总结 RagSEDE通过引入代表性和多样性驱动的采样策略、基于RAG的新范式以及结构信息理论，有效解决了社交媒体中社会事件检测与演化中的三大挑战。

Comments 12 pages, 7 figures, accepted for The Web Conference (WWW) 2026

RAG: A Random-Forest-Based Generative Design Framework for Uncertainty-Aware Design of Metamaterials with Complex Functional Response Requirements

基于随机森林的生成设计框架：面向具有复杂功能响应要求的元材料不确定性感知设计

Bolin Chen, Dex Doksoo Lee, Wei "Wayne'' Chen, Wei Chen

机构 * Department of Mechanical Engineering, Northwestern University（西北大学机械工程系） ； Department of Mechanical Engineering, Texas A&M University（德克萨斯大学A&M分校机械工程系） 纠错

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

AI总结 基于随机森林的生成设计框架RAG，通过高效预测高维功能响应，解决元材料逆向设计中的不确定性问题。

AI Co-Scientist for Knowledge Synthesis in Medical Contexts: A Proof of Concept

医疗领域知识综合的AI合作者：概念验证

Arya Rahgozar, Pouria Mortezaagha

机构 * Methodological Implementation Research, Ottawa Hospital Research Institute（方法实施研究，渥太华医院研究所） ； School of Engineering Design and Teaching Innovation, University of Ottawa（工程设计与教学创新学院，渥太华大学） 纠错

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

AI总结 本研究提出了一种基于PICOS的AI合作者，通过整合知识图谱和自然语言处理技术，提升医疗领域证据综合的可扩展性、透明性和效率。

Structured Insight from Unstructured Data: Large Language Models for SDOH-Driven Diabetes Risk Prediction

从无结构数据中提取结构化洞察：大型语言模型用于SDOH驱动的糖尿病风险预测

Sasha Ronaghi, Prerit Choudhary, David H Rehkopf, Bryant Lin

机构 * Stanford University（斯坦福大学） ； Stanford University School of Medicine（斯坦福大学医学院） 纠错

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

AI总结 本研究利用大型语言模型从患者生活故事中提取结构化SDOH信息，用于糖尿病风险预测，LLMs在预测糖尿病控制水平方面达到60%的准确率。

Comments 7 pages, 5 figures

Journal ref Annu Int Conf IEEE Eng Med Biol Soc. 2025 Jul;2025:1-7

LitE-SQL: A Lightweight and Efficient Text-to-SQL Framework with Vector-based Schema Linking and Execution-Guided Self-Correction

LitE-SQL: 一种轻量高效的文本到SQL框架，具备基于向量的模式链接和执行引导的自我纠正

Shengmin Piao, Jieun Lee, Sanghyun Park

机构 * Yonsei University（延世大学） 纠错

专题命中 图谱与结构化RAG ：retriever(abstract)；分类 cs.CL

AI总结 LitE-SQL通过轻量高效的框架和基于向量的模式链接技术，实现高准确率的文本到SQL生成，无需多候选采样即可执行引导自我纠正，适用于隐私敏感和资源受限场景。

Comments Accepted by EACL 2026 Findings

HoverAI: An Embodied Aerial Agent for Natural Human-Drone Interaction

HoverAI: 一种用于自然人-无人机交互的具身空中代理

Yuhua Jin, Nikita Kuzmin, Georgii Demianchuk, Mariya Lezina, Fawad Mehboob, Issatay Tokmurziyev, Miguel Altamirano Cabrera, Muhammad Ahsan Mustafa, Dzmitry Tsetserukou

机构 * Chinese University of Hong Kong, Shenzhen（香港中文大学（深圳）） ； Skolkovo Institute of Science and Technology（斯克尔科沃信息科技研究所） 纠错

专题命中 多模态RAG ：RAG(abstract)

AI总结 HoverAI通过结合无人机移动、视觉投影和对话式AI，实现了人-无人机自然交互的具身代理，提升了空间感知与社交响应能力。

Comments This paper has been accepted for publication at LBR HRI 2026 conference

Building AI-based advisory services for smallholder farmers: Technical learnings from the AIEP Initiative

为小农户建设基于AI的咨询服务：AIEP计划的技术经验

Stewart Collis, Florence Kinyua, Vikram Kumar, Howard Lakougna, Christian Merz, Kirti Pandey, Christian Resch

专题命中 多模态RAG ：RAG(abstract)

AI总结 AIEP计划通过AI技术为小农户提供农业咨询服务，发现多语言语音交互和语料库编纂是关键挑战，同时强调数据共享和评估基准的重要性。

Comments 18 pages, 8 figures

Worse than Zero-shot? A Fact-Checking Dataset for Evaluating the Robustness of RAG Against Misleading Retrievals

比零样本更差？一个评估RAG在误导检索中鲁棒性的事实核查数据集

Linda Zeng, Rithwik Gupta, Divij Motwani, Yi Zhang, Diji Yang

机构 * The Harker School（哈克尔学校） ； Irvington High School（艾尔文顿高中） ； Palo Alto High School（帕洛阿尔托高中） ； University of California Santa Cruz（加州大学圣克鲁兹分校） 纠错

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

AI总结 RAGuard是首个评估RAG系统在误导检索中鲁棒性的基准，揭示LLM在面对误导信息时的表现劣于零样本基线。

Comments Advances in Neural Information Processing Systems (NeurIPS 2025)

Multi-Stage Verification-Centric Framework for Mitigating Hallucination in Multi-Modal RAG

多阶段验证导向框架用于缓解多模态RAG中的幻觉

Baiyu Chen, Wilson Wongso, Xiaoqian Hu, Yue Tan, Flora Salim

机构 * The University of New South Wales（新南威尔士大学） 纠错

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

AI总结 本文提出了一种多阶段验证导向框架，通过优先考虑事实准确性和真实性来缓解多模态RAG中的幻觉问题，并在KDD Cup 2025中取得第三名。

Comments KDD Cup 2025 Meta CRAG-MM Challenge: Third Prize in the Single-Source Augmentation Task