AI 大模型

RAG / 检索增强生成

检索增强生成、向量检索、知识库问答和面向大模型的搜索系统。

2026-02-10 至 2026-02-10 共收录 33 篇信号源：cs.IR, cs.CL, cs.AI, cs.DB

1. RAG评测 5 篇

2602.07164 2026-02-10 cs.CL cs.AI 73%

你的语言模型秘密包含个性子网络

Ruimeng Ye, Zihan Wang, Zinan Ling, Yang Xiao, Manling Li, Xiaolong Ma, Bo Hui

机构 * University of Tulsa（图兰大学）； Northwestern University（西北大学）； University of Arizona（亚利桑那大学）

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

AI总结本研究发现大型语言模型内部已嵌入身份子网络，无需外部知识即可实现身份切换和行为调整。

Comments ICLR 2026

2602.04982 2026-02-10 cs.CL 70%

BioACE: 一种用于生物医学答案和引用评估的自动化框架

Deepak Gupta, Davis Bartels, Dina Demner-Fushman

机构 * Division of Intramural Research（院内研究部）； National Library of Medicine（国家医学图书馆）

专题命中 RAG评测：retrieval-augmented generation(abstract)；RAG(abstract)；分类 cs.CL

AI总结 BioACE提出了一种自动化框架，用于评估生物医学答案和引用的质量，通过多方面指标和实验分析，提供最佳的评估方法。

Comments Work in progress

2602.08070 2026-02-10 cs.IR 57%

IRB: 自动生成鲁棒事实性基准

Lam Thanh Do, Bhagyashree Taleka, Hozaifa Ammar Bhutta, Vikram Sharma Mailthody, Kevin Chen-Chuan Chang, Wen-mei Hwu

专题命中 RAG评测：RAG(abstract)；分类 cs.IR

AI总结 IRB通过自动生成鲁棒事实性基准，评估RAG系统事实性，发现前沿LLM在闭书设置中面临挑战，推理LLM更可靠，改进检索组件更有效。