RAG / 检索增强生成

Zero-RAG: Towards Retrieval-Augmented Generation with Zero Redundant Knowledge

零冗余知识下的检索增强生成：Zero-RAG

Qi Luo, Xiaonan Li, Junqi Dai, Shuang Cheng, Xipeng Qiu

机构 * School of Computer Science, Fudan University（复旦大学计算机学院） 纠错

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

AI总结 Zero-RAG通过修剪冗余知识和优化检索流程，提升LLM在减少冗余信息下的生成性能。

Journal ref Frontiers of Computer Science (2026)

DeepEra: A Deep Evidence Reranking Agent for Scientific Retrieval-Augmented Generated Question Answering

DeepEra: 一种用于科学检索增强生成问答的深度证据重排代理

Haotian Chen, Qingqing Long, Siyu Pu, Xiao Luo, Wei Ju, Meng Xiao, Yuanchun Zhou, Jianghua Zhao, Xuezhi Wang

机构 * Computer Network Information Center, Chinese Academy of Sciences（中国科学院计算机网络信息中心） ； University of Wisconsin–Madison（威斯康星大学麦迪逊分校） ； Peking University（北京大学） 纠错

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

AI总结 DeepEra通过集成逐步推理提升科学检索增强生成问答的检索精度，首次系统研究并验证了双阶段RAG框架中语义相似但逻辑无关的问题。

Evaluating the Effect of Retrieval Augmentation on Social Biases

评估检索增强对社会偏见的影响

Tianhui Zhang, Yi Zhou, Danushka Bollegala

机构 * University of Liverpool（利兹大学） ； Cardiff University（卡迪夫大学） ； Amazon（亚马逊） 纠错

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

AI总结 本文研究了检索增强生成在三种语言中对社会偏见的影响，发现文档集合中的偏见在生成响应中被放大，强调了RAG在实际应用中需谨慎评估社会偏见。

Comments EACL26 main

Provable Differentially Private Computation of the Cross-Attention Mechanism

可证明的差分隐私交叉注意力机制计算

Yekun Ke, Yingyu Liang, Zhenmei Shi, Zhao Song, Jiahao Zhang

机构 * The University of Hong Kong（香港大学） ； University of Wisconsin-Madison（威斯康星大学麦迪逊分校） ； The Simons Institute for the Theory of Computing at the University of California, Berkeley（伯克利大学计算理论研究所） 纠错

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

AI总结 本文提出了一种可证明差分隐私的交叉注意力机制计算方法，通过新颖的数据结构实现隐私保护，同时保证计算效率和安全性。

SciNUP: Natural Language User Interest Profiles for Scientific Literature Recommendation

SciNUP: 科学文献推荐的自然语言用户兴趣资料

Mariam Arustashvili, Krisztian Balog

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

AI总结 SciNUP通过合成数据集评估基于自然语言用户兴趣资料的学术文献推荐方法，揭示基线方法的互补行为及改进空间。

Comments Proceedings of the 48th European Conference on Information Retrieval (ECIR '26), 2026

EmbedAgent: Benchmarking Large Language Models in Embedded System Development

EmbedAgent: 在嵌入式系统开发中评估大型语言模型

Ruiyang Xu, Jialun Cao, Mingyuan Wu, Wenliang Zhong, Yaojie Lu, Ben He, Xianpei Han, Shing-Chi Cheung, Le Sun

机构 * University of Chinese Academy of Sciences（中国科学院大学） ； The Hong Kong University of Science and Technology（香港科学与技术大学） ； Peng Cheng Laboratory（鹏城实验室） ； Institute of Software, Chinese Academy of Sciences（中国科学院软件研究所） 纠错

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EmbedAgent和Embedbench，用于评估LLMs在嵌入式系统开发中的能力，发现通用LLMs在特定任务中表现不佳，提出检索增强生成和编译器反馈策略以提升性能。

Comments 12 pages, accepted by International Conference on Software Engineering (ICSE)