RAG / 检索增强生成

NTLRAG: Narrative Topic Labels derived with Retrieval Augmented Generation

NTLRAG: 通过检索增强生成技术获取叙述性主题标签

Lisa Grobelscheg, Ema Kahr, Mark Strembeck

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

AI总结 本文提出NTLRAG框架，通过检索增强生成技术生成语义精确且易于理解的叙述性主题标签，提升主题建模的可解释性和实用性。

WebFAQ 2.0: A Multilingual QA Dataset with Mined Hard Negatives for Dense Retrieval

WebFAQ 2.0: 一个多语言问答数据集，包含挖掘的硬负样本用于密集检索

Michael Dinzinger, Laura Caspari, Ali Salman, Irvin Topi, Jelena Mitrović, Michael Granitzer

机构 * University of Passau（帕绍大学） ； University of Passau, and IT:U Austria（帕绍大学和IT:U奥地利） 纠错

专题命中 检索器与排序 ：dense retrieval(title)；分类 cs.IR、cs.CL、cs.AI

AI总结 WebFAQ 2.0是一个多语言问答数据集，包含挖掘的硬负样本，用于训练密集检索器，支持多语言和跨语言信息检索研究。

Beyond Pipelines: A Fundamental Study on the Rise of Generative-Retrieval Architectures in Web Research

超越流水线：生成-检索架构在网页研究中的崛起根本研究

Amirereza Abbasi, Mohsen Hooshmand

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

AI总结 本文研究了生成-检索架构在网页研究中的崛起，探讨了LLMs通过RAG对网页研究和行业的影响，分析了关键进展、挑战及未来方向。

Retrieval Augmented (Knowledge Graph), and Large Language Model-Driven Design Structure Matrix (DSM) Generation of Cyber-Physical Systems

检索增强（知识图谱），以及由大型语言模型驱动的面向网络系统的设计结构矩阵（DSM）生成

H. Sinan Bank, Daniel R. Herber

机构 * Department of Systems Engineering, Colorado State University（系统工程系，科罗拉多州立大学） 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 本文研究了利用大型语言模型、检索增强生成和图基RAG生成面向网络系统的设计结构矩阵，通过两个具体案例评估其在组件关系识别和生成方面的性能。

Comments 26 pages, 10 figures

PEACE 2.0: Grounded Explanations and Counter-Speech for Combating Hate Expressions

PEACE 2.0：基于证据的解释与反仇恨言论生成

Greta Damo, Stéphane Petiot, Elena Cabrio, Serena Villata

机构 * Université Côte d’Azur（法国埃克斯-马赛大学） ； CNRS（法国国家科学研究中心） ； Inria（法国国家信息与自动化技术研究所） ； I3S（信息科学与系统研究所） ； Institut 3IA Côte d’Azur（3IA埃克斯-马赛研究所） ； Techpool 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 PEACE 2.0通过RAG流程提供基于证据的仇恨言论解释和反仇恨言论生成，以应对在线平台上的仇恨言论问题。

NotebookRAG: Retrieving Multiple Notebooks to Augment the Generation of EDA Notebooks for Crowd-Wisdom

NotebookRAG: 通过检索多个笔记本增强 crowdsourcing 智慧的 EDA 笔记本生成

Yi Shan, Yixuan He, Zekai Shao, Kai Xu, Siming Chen

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

AI总结 NotebookRAG通过检索多个笔记本增强crowdsourcing智慧，以生成高质量的EDA笔记本。

Comments 11 pages, 7 figures

Mine and Refine: Optimizing Graded Relevance in E-commerce Search Retrieval

挖掘与精炼：优化电子商务搜索检索中的分级相关性

Jiaqi Xi, Raghav Saboo, Luming Chen, Martin Wang, Sudeep Das

机构 * DoorDash Inc.（DoorDash公司） 纠错

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

AI总结 本文提出一种两阶段框架，通过挖掘和精炼提升电子商务搜索检索的分级相关性，结合对比学习和多类圆损失优化嵌入空间。

SAGE: Structure Aware Graph Expansion for Retrieval of Heterogeneous Data

SAGE：面向异构数据检索的结构感知图扩展

Prasham Titiya, Rohit Khoja, Tomer Wolfson, Vivek Gupta, Dan Roth

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

AI总结 SAGE通过构建结构感知的图扩展框架，在异构数据检索中提升召回率，采用混合检索与代理策略实现多模态证据链检索。

AdaptOrch: Task-Adaptive Multi-Agent Orchestration in the Era of LLM Performance Convergence

AdaptOrch：在LLM性能收敛时代的任务自适应多智能体协调

Geunbin Yu

机构 * Department of Artificial Intelligence, Korea National Open University（人工智能系，韩国国立开放大学） 纠错

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

AI总结 AdaptOrch通过动态选择多智能体协调拓扑，提升任务性能，证明协调设计优于模型选择。

Comments 21 pages, 10 figures, 6 tables