RAG / 检索增强生成

SPARC-RAG: Adaptive Sequential-Parallel Scaling with Context Management for Retrieval-Augmented Generation

SPARC-RAG：基于上下文管理的自适应顺序-并行扩展用于检索增强生成

Yuxin Yang, Gangda Deng, Ömer Faruk Akgül, Nima Chitsazan, Yash Govilkar, Akasha Tigalappanavara, Shi-Xiong Zhang, Sambit Sahu, Viktor Prasanna

机构 * University of Southern California（南加州大学） ； Capital One 纠错

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

AI总结 SPARC-RAG通过多代理框架实现顺序与并行扩展的协调，提升检索增强生成在多跳问答中的性能和效率。

Breaking the Static Graph: Context-Aware Traversal for Robust Retrieval-Augmented Generation

打破静态图：面向鲁棒检索增强生成的上下文感知遍历

Kwun Hang Lau, Fangyuan Zhang, Boyu Ruan, Yingli Zhou, Qintian Guo, Ruiyuan Zhang, Xiaofang Zhou

机构 * Huawei Hong Kong Research Center（华为香港研究中心） ； The Hong Kong University of Science and Technology（香港科学与技术大学） ； The Chinese University of Hong Kong, Shenzhen（香港中文大学（深圳）） 纠错

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

AI总结 CatRAG通过上下文感知遍历框架，改进检索增强生成模型，提升多跳查询的推理完整性和证据链恢复能力。

End-to-End Agentic RAG System Training for Traceable Diagnostic Reasoning

端到端代理RAG系统训练用于可追溯的诊断推理

Qiaoyu Zheng, Yuze Sun, Chaoyi Wu, Weike Zhao, Pengcheng Qiu, Yongguo Yu, Kun Sun, Jian Zhang, Yanfeng Wang, Ya Zhang, Weidi Xie

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

AI总结 Deep-DxSearch通过端到端强化学习训练代理RAG系统，实现可追溯的诊断推理，显著提升诊断准确率。

Logic-Oriented Retriever Enhancement via Contrastive Learning

基于对比学习的逻辑导向检索增强

Wenxuan Zhang, Yuan-Hao Jiang, Changyong Qi, Rui Jia, Yonghe Wu

机构 * Shanghai Institute of Artificial Intelligence for Education, East China Normal University, China（上海人工智能教育研究院，华东师范大学） ； Education Technology, East China Normal University, China（教育技术，华东师范大学） 纠错

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

AI总结 LORE通过对比学习提升检索器的逻辑分析能力，无需额外资源，有效增强检索和生成性能。

Comments accepted by icassp 2026

Retrieval-Augmented Generation for Natural Language Art Provenance Searches in the Getty Provenance Index

基于检索增强生成的自然语言艺术来源检索在盖蒂来源索引中的应用

Mathew Henrickson

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

AI总结 本研究提出一种基于检索增强生成的框架，用于多语言自然语言艺术来源检索，提升艺术档案的探索性搜索能力。

Journal ref Academia AI and Applications. 2026;2(1)

Domain-Adaptive and Scalable Dense Retrieval for Content-Based Recommendation

面向领域适应和可扩展的密集检索用于基于内容的推荐

Mritunjay Pandey

机构 * Aditya Birla Group（阿迪提亚·布尔拉集团） 纠错

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

AI总结 本文提出了一种基于双塔双编码器的可扩展密集检索系统，通过领域适应提升基于内容的推荐效果，实现高效服务和模型压缩。

Comments 13 pages, 4 figures. Semantic dense retrieval for content-based recommendation on Amazon Reviews 2023 (Category - Fashion). Dataset statistics: 2.0M users; 825.9K items; 2.5M ratings; 94.9M review tokens; 510.5M metadata tokens. Timespan: May 1996 to September 2023. Metadata includes: user reviews (ratings, text, helpfulness votes, etc.); item metadata (descriptions, price, raw images, etc.)

Training a Utility-based Retriever Through Shared Context Attribution for Retrieval-Augmented Language Models

通过共享上下文归因训练基于效用的检索器以增强检索增强语言模型

Yilong Xu, Jinhua Gao, Xiaoming Yu, Yuanhai Xue, Baolong Bi, Huawei Shen, Xueqi Cheng

机构 * State Key Lab of AI Safety, Institute of Computing Technology, CAS（人工智能安全国家重点实验室，计算技术研究所，中国科学院） ； Key Lab of AI Safety, Chinese Academy of Sciences（人工智能安全重点实验室，中国科学院） ； University of Chinese Academy of Sciences（中国科学院大学） 纠错

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

AI总结 SCARLet通过共享上下文归因和多任务泛化提升检索增强语言模型的检索性能。

Comments EMNLP 2025 Main Conference (Long paper)

MedTutor: A Retrieval-Augmented LLM System for Case-Based Medical Education

MedTutor: 一种基于检索的LLM系统用于基于病例的医学教育

Dongsuk Jang, Ziyao Shangguan, Kyle Tegtmeyer, Anurag Gupta, Jan Czerminski, Sophie Chheang, Arman Cohan

机构 * Department of Computer Science, Yale University（耶鲁大学计算机科学系） ； Department of Radiology and Biomedical Imaging, Yale School of Medicine（耶鲁医学院放射学与生物医学成像系） ； Interdisciplinary Program for Bioengineering, Seoul National University（首尔国立大学生物工程跨学科项目） 纠错

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

AI总结 MedTutor是一种基于检索的LLM系统，通过自动从临床病例报告生成教育内容和多项选择题，提升医学教育质量。

Comments Accepted to EMNLP 2025 (System Demonstrations)

Journal ref Proceedings of the 2025 Conference on Empirical Methods in Natural Language Processing: System Demonstrations, pages 319-353

SCALM: Detecting Bad Practices in Smart Contracts Through LLMs

SCALM：通过LLMs检测智能合约中的不良实践

Zongwei Li, Xiaoqi Li, Wenkai Li, Xin Wang

机构 * Zongwei Li, Xiaoqi Li, Wenkai Li, Xin Wang（作者） 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 SCALM通过结合Step-Back提示和RAG技术，有效检测智能合约中的不良实践，优于现有工具。

Comments 7 pages

SOPRAG: Multi-view Graph Experts Retrieval for Industrial Standard Operating Procedures

SOPRAG：面向工业标准操作规程的多视图图专家检索

Liangtao Lin, Zhaomeng Zhu, Tianwei Zhang, Yonggang Wen

机构 * Nanyang Technological University（南洋理工大学） 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 SOPRAG通过多视图图专家检索框架，解决工业SOP检索中的结构复杂性和条件依赖性问题，提升检索准确性和响应实用性。

DRAINCODE: Stealthy Energy Consumption Attacks on Retrieval-Augmented Code Generation via Context Poisoning

DRAINCODE: 通过上下文污染对基于检索增强的代码生成进行隐秘的能量消耗攻击

Yanlin Wang, Jiadong Wu, Tianyue Jiang, Mingwei Liu, Jiachi Chen, Chong Wang, Ensheng Shi, Xilin Liu, Yuchi Ma, Zibin Zheng

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

AI总结 DrainCode通过上下文污染攻击，显著增加LLM的延迟和能耗，揭示了RAG代码生成系统在安全性和资源约束下的潜在风险。

Comments 16 pages, 4 figures

Code Digital Twin: A Knowledge Infrastructure for AI-Assisted Complex Software Development

代码数字孪生：面向AI辅助复杂软件开发的知识基础设施

Xin Peng, Chong Wang

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

AI总结 代码数字孪生通过整合混合知识表示和多阶段提取管道，为AI辅助复杂软件开发提供可持续的演进路径。

Comments A vision paper that will be continuously updated

LLMs as High-Dimensional Nonlinear Autoregressive Models with Attention: Training, Alignment and Inference

基于注意力机制的高维非线性自回归模型：训练、对齐与推理

Vikram Krishnamurthy

机构 * Cornell University（康奈尔大学） 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 本文将LLMs表述为具有注意力依赖的高维非线性自回归模型，探讨了训练、对齐与推理的原理及方法。

Comments 27 pages, 12 figures. Mathematical survey framing LLMs as high-dimensional nonlinear autoregressive models with attention, covering training, alignment, and inference, with nanoGPT/nanochat-style code examples. Feedback welcome

ILSIC: Corpora for Identifying Indian Legal Statutes from Queries by Laypeople

ILSIC：用于由非专业人士查询识别印度法律条文的语料库

Shounak Paul, Raghav Dogra, Pawan Goyal, Saptarshi Ghosh

机构 * Indian Institute of Technology, Kharagpur（印度理工学院，克拉格浦尔） 纠错

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

AI总结 ILSIC是一个包含500多条印度法律条文的非专业人士查询语料库，用于研究非专业人士与法院数据在法律条文识别任务中的差异。

Comments 9 Pages of Main, 1 page of Limitations and Ethics Statement, 11 Pages of Appendix, Accepted for Publication at EACL 2026 (Findings)

Generative AI for Stock Selection

生成式AI用于股票选择

Keywan Christian Rasekhschaffe

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

AI总结 生成式AI通过检索增强生成技术，从股票数据中自动发现经济动机特征，提升短期收益预测的夏普比率，展现可解释且高效的特征发现能力。