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。

2026-02-11 至 2026-02-11 共收录 3 篇信号源：cs.IR, cs.CL, cs.AI, cs.DB

1. RAG评测 3 篇

2602.09442 2026-02-11 cs.CL cs.AI 84%

Evaluating Social Bias in RAG Systems: When External Context Helps and Reasoning Hurts

评估RAG系统中的社会偏见：当外部上下文有助于而推理有害

Shweta Parihar, Lu Cheng

机构 * University of Illinois at Chicago（伊利诺伊大学芝加哥分校）

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

AI总结本研究评估RAG系统中的社会偏见，发现外部上下文可减少偏见，但链式思维提示反而增加偏见，凸显了需要偏见意识推理框架的重要性。

Comments Accepted as a full paper with an oral presentation at the 30th Pacific-Asia Conference on Knowledge Discovery and Data Mining (PAKDD 2026)

2507.10382 2026-02-11 cs.LG 78%

Leveraging RAG-LLMs for Urban Mobility Simulation and Analysis

利用 RAG-LLMs 进行城市交通模拟与分析

Yue Ding, Conor McCarthy, Kevin O'Shea, Mingming Liu

机构 * Centre for Research Training in Machine Learning (ML-Labs)（机器学习研究培训中心（ML实验室））； Dublin City University（都柏林城市大学）； Insight Centre for Data Analytics（数据分析洞察中心）； School of Electronic Engineering（电子工程学院）

专题命中 RAG评测：RAG(title,abstract)

AI总结本文提出基于 RAG-LLMs 的共享电动交通平台，通过个性化路线推荐和 schema-level RAG 框架提升交通模拟与分析效率。

2602.10017 2026-02-11 cs.CL 70%

SCORE: Specificity, Context Utilization, Robustness, and Relevance for Reference-Free LLM Evaluation

SCORE：特定性、上下文利用、鲁棒性与相关性用于无参考LLM评估

Homaira Huda Shomee, Rochana Chaturvedi, Yangxinyu Xie, Tanwi Mallick

机构 * University of Illinois Chicago（伊利诺伊大学芝加哥分校）； Argonne National Laboratory（阿贡国家实验室）； University of Pennsylvania（宾夕法尼亚大学）

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

AI总结本文提出了一种无参考评估框架，用于评估LLM在高风险领域任务中的特定性、鲁棒性、相关性和上下文利用，通过精心编纂的数据集和人工评估验证了多指标评估的必要性。