RAG / 检索增强生成

PAGE-RAG: Provenance-Aware Graph Evidence Promotion for Fixed-Budget Multi-hop Retrieval-Augmented Generation

PAGE-RAG：面向固定预算多跳检索增强生成的来源感知图证据提升方法

Haokun Deng, Xunkai Li, Hongchao Qin, Rong-Hua Li

专题命中 知识库问答 ：RAG(title,title_cn)；retrieval-augmented generation(title)；retriever(abstract)；分类 cs.AI

AI总结 PAGE-RAG是一种来源感知图证据提升方法，可作为插件插入现有RAG系统，在三个多跳QA基准测试中显著提升支持F1和答案F1指标

Comments 13 pages, 3 figures

MITRE-SAGE: A Multi-Agent Cybersecurity Question-Answering Model

MITRE-SAGE：一种多智能体网络安全问答模型

Ali Habibzadeh, Farid Feyzi, Reza Ebrahimi Atani

机构 * University of Guilan（吉兰大学） 纠错

专题命中 知识库问答 ：RAG(abstract,abstract_cn)；retrieval-augmented generation(abstract)；分类 cs.IR

AI总结 针对网络安全领域LLM的不足，研究提出多智能体框架MITRE-SAGE，结合MITRE-QA基准验证其在多项网络安全问答任务中优于基线方法，轻量级配置表现突出。

Learning to Search: A Decision-Based Agent for Knowledge-Based Visual Question Answering

学习搜索：一种基于决策的知识增强视觉问答代理

Zhuohong Chen, Zhenxian Wu, Yunyao Yu, Hangrui Xu, Zirui Liao, Zhifang Liu, Xiangwen Deng, Pen Jiao, Haoqian Wang

机构 * Tsinghua University（清华大学） ； University of Arizona（亚利桑那大学） ； Hefei University of Technology（合肥工业大学） 纠错

专题命中 知识库问答 ：RAG(abstract,abstract_cn)；retrieval-augmented generation(abstract)

AI总结 本文提出基于决策的KB-VQA代理，通过多步骤决策过程解决视觉问答问题，改进检索与推理整合，提升对稀有实体和长尾事实的处理能力。

Beyond Factual QA: Mentorship-Oriented Question Answering over Long-Form Multilingual Content

超越事实问答：面向长形式多语言内容的指导型问答

Parth Bhalerao, Ruiwen Guan, Diola Dsouza, Oana Ignat

专题命中 知识库问答 ：RAG(abstract,abstract_cn)；分类 cs.CL、cs.AI

AI总结 本文提出MentorQA，首个多语言长形式视频指导型问答数据集和评估框架，通过对比不同架构发现Multi-Agent在复杂和低资源语言中表现更优。

Hi-Q: Hierarchical Evidence-guided Query Refinement for Multi-Hop Question Answering

Hi-Q：用于多跳问答的分层证据引导查询细化方法

Jueun Kim, Sungho Park, Wook-Shin Han

机构 * POSTECH（浦项科技大学） 纠错

专题命中 知识库问答 ：RAG(abstract)；分类 cs.IR、cs.CL

AI总结 针对多跳问答中问题与证据粒度不匹配的瓶颈，提出基于证据条件的分层查询细化框架Hi-Q，在全语料检索等设置下，其性能优于IRCoT、PropRAG等基线方法。

Comments 28 pages, 9 figures. Project page: https://hi-q-project.github.io/