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。