RAG / 检索增强生成

SENTRY: Deterministic, Intelligent Risk Assessment for IT Change Management

SENTRY：面向IT变更管理的确定性智能风险评估

Daniel Arulpragasam, Christer Henrysson, Ella Ly, Deepika Anbalagan, Leo Feng

机构 * Royal Bank of Canada（加拿大皇家银行） ； RBC Borealis 纠错

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

AI总结 SENTRY是一款替代问卷评分的IT变更管理风险评估平台，采用XGBoost与RAG构建的确定性流水线，在企业数据上AUC达0.87，高风险变更检测速率为现有流程的3.25倍。

Comments 10 pages, 3 figures

How to Train a Real-World Silicon Concierge? Internalizing Complex Business Workflow to Only OneModel

如何训练一个实用的硅基智能管家？将复杂业务工作流内化至单个模型

Chang Liu, Chaoyang Ning, Dayi Jiang, Enrui Gu, Fang Ran, Hongyan Xue, Huaqing Li, Hui Cai, Jia Liu, Jiang-Ming Yang, Jianshe Li, Jiawei Luo, Jin Zhou, Leshen Zhu, Lihui Chen, Liying Ma, Lyuxin Xue, Mengjian Ji, Ruijia Xu, Wei Ren, Wei Wu, Xiaoling Qu, Xiaoyun Feng, Xin Zhang, Xixie Zhou, Xuanwei Hu, Yan Chen, Yichao Wang, Yongqi Tong, Yu Liu, Yuhong Zhou, Zemin Sun, Zhenwen Xu, Zhiling Liu, Zifan Wang

机构 * Ant International（蚂蚁国际） 纠错

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

AI总结 该研究针对传统工业智能体模块化流水线的缺陷，提出OneModel范式，将业务逻辑与SOP内化至模型，在金融服务系统中实现延迟大幅降低、解决率提升，为工业智能体架构升级提供蓝图。

Comments Accepted to the ACL 2026 Industry Track (Oral). To appear in Proceedings of the 64th Annual Meeting of the Association for Computational Linguistics (Industry Track)

Auditable by Construction: An Ontology-Driven Framework for Trustworthy LLM Analytics in Enterprise Finance

可审计性原生：面向企业金融领域可信大语言模型分析的本体驱动框架

Sergiy Lunyakin

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

AI总结 本文针对企业金融大语言模型应用的信任问题，提出知识驱动分析框架KDAF，结合本体与CARP技术，在FinanceBench评估中，其可审计性优于基线方法，表明可审计性是该框架的核心优势。

Comments 20 pages, 1 figure, 4 tables, 1 algorithm. Artifact deposit with configurations, ontology schema, prompts, audit reports and reconstruction scripts: this https URL (https://doi.org/10.5281/zenodo.22022068)

Inhibitory Attention for Clinical Long-Context Reasoning: Characterizing and Mitigating Lost-in-the-Middle Effects in EHR Processing

用于临床长上下文推理的抑制注意力：电子病历处理中中间信息丢失效应的表征与缓解

Sanjay Basu

机构 * University of California San Francisco（加利福尼亚大学旧金山分校） ； Waymark（韦马克公司） 纠错

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

AI总结 该研究针对电子病历处理中的临床中间信息丢失问题，提出查询条件化临床抑制方法，经实验验证其在中间位置指令及整体任务上的表现均优于多种基线检索与重排序方法。

Comments 29 pages, 5 figures. Code: this https URL (https://github.com/sanjaybasu/inhibitory-attention-ehr)

Utility Under Attack: Agent Memory Poisoning and the Limits of Content Screening and Provenance Ranking

受攻击下的效用：智能体记忆投毒及内容筛选与来源排序的局限性

Arulnidhi Karunanidhi

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

AI总结 该研究针对智能体记忆投毒问题，测试了内容筛选和来源排序的防御效果，发现仅内容筛选无法抵御投毒，来源加权检索也存在局限，主张采用有限占用约束并发布了相关资源。

RAG Deserves an Index: Why Ingest-Time Compilation Beats Query-Time Interpretation

检索增强生成（RAG）值得一个索引：为什么摄入时编译优于查询时解释

Kyle Wild, Yusuke Takahashi, Asako Uraki

机构 * Endgame Labs, Inc.（终局实验室公司） ； Asia AI Institute（亚洲人工智能研究院） ； Musashino University（武藏野大学） ； Faculty of Data Science, Musashino University（武藏野大学数据科学学院） ； AIx, Inc.（AIx公司） 纠错

专题命中 向量检索 ：RAG(title,title_cn)；hybrid retrieval(abstract)；分类 cs.IR、cs.AI、cs.DB

AI总结 该研究提出摄入时语义编译（ISC）范式，将语料编译为可查询数据库对象，实验显示其检索效果优于传统RAG方法，增量更新成本更低，为RAG提供了索引化解决方案。

Comments Position paper. 6 pages, 2 figures, 2 tables

Ghost Echoes: Semantic Erasure Failure in Retrieval-Backed Applications

幽灵回声：检索支持型应用中的语义擦除失效

Allan Mukkuzhi, Noella Uwayisenga, Yeabsira Bizualem, Jacob Kammerzell, Chandranil Chakraborttii

专题命中 向量检索 ：RAG(summary_cn,abstract)；分类 cs.DB

AI总结 研究发现向量数据库API可见删除无法实现完整语义擦除，提出Ghost Echoes框架证实已删记录会扰动RAG检索上下文，ChromaDB和FAISS实验显示存在可测漂移，需开发作用于检索拓扑的擦除原语。

Comments 17 pages, 4 figures, 2 tables. Preprint. Under submission at the SHIELD Workshop (ECML PKDD 2026)

EnSI-RAG: Entity-Structure-Indexed Retrieval-Augmented Generation for Long-Document Question Answering

EnSI-RAG：面向长文档问答的实体结构索引增强检索生成框架

Xuanyu Meng, Jiashuo Sun, Jash Rajesh Parekh, Jiawei Han

专题命中 图谱与结构化RAG ：RAG(title,title_cn)；retrieval-augmented generation(title,abstract)；分类 cs.IR、cs.CL、cs.AI

AI总结 该研究针对长文档问答的RAG方法缺陷，提出EnSI-RAG框架，构建以实体为中心的索引，在Loong和Oolong数据集上平均准确率达78.24，较基准提升6.62个百分点，验证了其有效性。

Comments 21 pages, preprint

Edge-Based Agentic Retrieval-Augmented Generation for Autonomous FHWA Bridge Inspection Compliance

面向美国联邦公路管理局（FHWA）桥梁检查合规性的基于边缘的智能体检索增强生成

Viraj Nishesh Darji, Hemaliben Rakeshkumar Darji

专题命中 图谱与结构化RAG ：RAG(summary_cn,abstract)；retrieval-augmented generation(title,abstract)；vector search(abstract)；分类 cs.IR、cs.AI

AI总结 针对FHWA桥梁合规核查的痛点，提出离线智能体RAG系统BridgeGuard，结合向量搜索与SQL查询，在边缘硬件实现高准确率、高速的结构缺陷桥梁识别。

Comments 27 pages, 1 figure, 5 tables. Pre-print submitted to the ASCE Journal of Computing in Civil Engineering. Code and data available at: this https URL (https://github.com/virajdarji/bridgeguard)

Temporal Validity on Real Software Histories: Eliminating Stale-Fact Errors in Code-Assistant Memory over GitHub Fixes

真实软件历史中的时间有效性：基于GitHub修复消除代码助手记忆中的过时事实错误

Neeraj Yadav

专题命中 图谱与结构化RAG ：RAG(summary_cn,abstract)；retrieval-augmented generation(abstract)；分类 cs.CL、cs.AI

AI总结 该研究针对代码助手RAG存在的无法区分新旧代码事实的问题，提出MemStrata确定性取代记忆，在真实GitHub修复数据集上使过时事实错误率降至约0，准确率达0.91，延迟仅约2.1秒。

Vis-Poison: Poisoning Visual Knowledge in Multimodal Retrieval-Augmented Generation

Vis-Poison：多模态检索增强生成中的视觉知识投毒攻击

Rujin Liang, Zhongpu Chen, Yuhao Lei, Xin Miao

机构 * Southwestern University of Finance and Economics（西南财经大学） ； Nanjing University of Science and Technology（南京理工大学） 纠错

专题命中 多模态RAG ：RAG(summary_cn,abstract)；retrieval-augmented generation(title,abstract)；分类 cs.AI

AI总结 本文提出Vis-Poison攻击，通过自动化多智能体方法构建视觉合理的被投毒图像，在黑盒设置下对多模态RAG系统实现40.16%-65.40%的攻击成功率，且对仅依赖参数知识的MLLM平均成功率超60%。

Comments Findings of EMNLP, 2026

Exploratory As-Analyzed No-Detection of Culturally-Marked Predicate-Triggered PII Amplification in a Synthetic-English RAG Probe: A Predicate-Resource-Confounded Audit

针对合成英语RAG探针中文化标记谓词触发的PII放大的分析性无检测探索：谓词资源混淆审计

Yanhang Li, Zhichao Fan, Zexin Zhuang

机构 * Northeastern University（东北大学） ； University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校） ； Southern Methodist University（南卫理公会大学） 纠错

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

AI总结 该研究通过对四种文化的合成英语PII语料库开展RAG系统审计，发现无刻板印象驱动的PII放大，因样本效力及探针混淆问题，仅报告无检测结果而非无效应证据。

Trustworthy RAG: An Evaluation Agent for Detecting Misinformation and Knowledge Poisoning in Generative AI Systems

可信检索增强生成：用于检测生成式人工智能系统中错误信息和知识投毒的评估智能体

Balkrishna Giri, Md Toufique Hasan, Jussi Rasku, Muhammad Waseem, Pekka Abrahamsson

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

AI总结 该研究针对RAG系统的安全-可靠性鸿沟，提出结合NLI验证、五信号投毒检测器及可信指数的评估智能体，在TruthfulQA等数据集上实现高检测性能，可阻止RAG系统的不安全指令注入。

Comments 7 pages, 1 figure. Accepted for publication in the Main Research Track of the Twenty-First International Conference on Software Engineering Advances (ICSEA 2026)

When Failures Propagate: Causal Failure Attribution in Agentic Retrieval-Augmented Generation

当故障传播时：智能体检索增强生成中的因果故障归因

Lauren Pothuru

机构 * Anote（阿诺特） 纠错

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

AI总结 本文提出AgenticRAG-FP基准，针对智能体RAG的因果故障归因开展实验，发现基于覆盖率的诊断在第1轮表现较好，第2、3轮较差，明确将传播深度作为相关评估维度。

An integrated diffusion-weighted imaging processing and interpretation platform for MR-guided radiotherapy

用于磁共振引导放疗的扩散加权成像处理与解释一体化平台

Yunxiang Li, Yan Dai, Yen-Peng Liao, Jie Deng, Jill B De Vis, You Zhang

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

AI总结 该研究开发了一体化网络平台，整合MR-Linac的DWI后处理与可追溯的RAG临床解释，经专家评分验证其在胶质母细胞瘤病例中具有高临床实用性。

Comments 29 pages