RAG / 检索增强生成

Cloud and On-Premises Deployment of Uzbek Legal RAG via Targeted Retriever Fine-Tuning

通过针对性检索器微调实现乌兹别克斯坦法律RAG的云端与本地部署

Tatul Danielyan, Mariam Avetisyan, Hrant Davtyan

机构 * Metric AI Lab 纠错

专题命中 RAG评测 ：RAG(title,title_cn)；retriever(title)；分类 cs.IR、cs.CL

AI总结 针对乌兹别克斯坦低资源语言的法律RAG部署场景，构建两个领域基准，训练开源文本嵌入器UTE-1，提炼实用指南并发布相关资源。

Comments Accepted to EMNLP 2026 (Industry Track). Project home: [https://metric-ai-lab.github.io/Uzbek-Legal-RAG/](https://metric-ai-lab.github.io/Uzbek-Legal-RAG/)

Towards Query-Agnostic RAG Evaluation via Query Coverage and Claim Verifiability

面向查询不可知的RAG评估：基于查询覆盖率与声明可验证性

Jeonghwan Choi, Taewon Yun, Minjeong Ban, Gyeonghun Sun, Jae-Gil Lee, Hwanjun Song

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

AI总结 本文提出Q-CARE框架，通过分解查询与答案实现RAG的细粒度评估，在8个数据集的基准测试中，其评估结果与人工判断的相关性优于现有4种RAG评估指标。

Comments Accepted to COLM 2026

INTRYGUE: Induction-Aware Entropy Gating for Reliable RAG Uncertainty Estimation

INTRYGUE：面向可靠RAG不确定性估计的诱导感知熵门控

Alexandra Kuleshova, Andrei Volodichev, Daria Kotova, Alexey Zaytsev

机构 * Applied AI Institute（应用人工智能研究所） 纠错

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

AI总结 本文提出INTRYGUE方法，通过诱导头激活模式门控预测熵，解决RAG中熵基不确定性估计的机械悖论问题，提升hallucination检测性能。

Comments Accepted to EMNLP 2026 (Main)

Controlled Evaluation of Graph and Multimodal Augmentation in RAG for Document Question Answering

多模态和图增强的检索增强生成（RAG）何时有用？文档问答的对照评估

Sokipriala Jonah, Opeoluwa Akinseloyin, Michael Ajao-Olarinoye, Abiola Babatunde

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

AI总结 研究文档问答中多模态和图增强RAG的作用，提出用多模态图-RAG架构，通过独立检索并融合文本、图和视觉证据源来评估效果。经实验发现其价值取决于多种因素，如检索设计等，还揭示了一些相关问题，如图像检索及生成器效率对结果的影响。

Comments 14 pages, 6 figures

Cross Lingual Transfer in Tulu Legal Comprehension: Script-Dependent Improvement and RAG-Induced Knowledge Conflict

图卢法律理解中的跨语言迁移：依赖文字脚本的性能提升与检索增强生成（RAG）引发的知识冲突

Sindhu Shetty, Spurthi Setty, Natan Vidra

机构 * Stanford Legal Design Lab（斯坦福法律设计实验室） 纠错

专题命中 RAG评测 ：RAG(title,title_cn)；分类 cs.CL、cs.AI

AI总结 本文针对低资源语言图卢语的法律理解任务，测试了Llama3等三种模型的跨语言迁移效果，发现其性能依赖文字脚本，RAG框架会引发知识冲突，相关评估技术可推广至低资源多语言RAG场景。

Faithfulness Is Not Free: Auditing Offline KV-Cache Quantization in Retrieval-Augmented Generation

忠实性并非免费：审计检索增强生成中的离线键值缓存量化

Atta Ul Asad, Ahsan Bilal, Muhammad Ali, Muhammad Haseeb, Dean F. Hougen

机构 * Air University（空军大学） ； National University of Sciences and Technology (NUST)（国家科学技术大学） ； University of Oklahoma（俄克拉荷马大学） ； Lahore University of Management Sciences (LUMS)（拉合尔管理科学大学） 纠错

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

AI总结 该研究针对检索增强生成的KV缓存量化，以Qwen2.5-7B-Instruct为对象，发现INT4量化会严重损害忠实性且准确性指标无法察觉，强调需在部署压缩缓存前审计忠实性。

Comments Grounding Language Models: Learning Faithfully and Efficiently @ EMNLP 2026

Intelligent Identification and Repair of Design Defects in BIM via Domain-Specific Large Language Models

基于领域专用大语言模型的BIM设计缺陷智能识别与修复

Jia-Rui Lin, Yun-Hong Cai, Xiang-Rui Ni, Peng Pan

专题命中 RAG评测 ：RAG(abstract,abstract_cn)；分类 cs.CL、cs.AI

AI总结 本研究提出结合领域专用LLM、BIM转文本方法及幻觉控制策略的集成框架，实现BIM设计缺陷的智能识别与修复，识别准确率达85%，合理修复建议生成率94%，构建了端到端原型。

RegDivergence-101: An LLM Benchmark for Cross-Jurisdiction Regulatory Contradiction Detection in Life Sciences

RegDivergence-101：用于生命科学领域跨司法管辖区监管矛盾检测的大语言模型基准

Chuchu Wu, Zhiyin Zhou, Jingzhuo Hu, Liang You

机构 * Carnegie Mellon University（卡内基梅隆大学） ； Pratt Institute（普拉特学院） ； University of Pennsylvania（宾夕法尼亚大学） ； University of Pittsburgh（匹兹堡大学） 纠错

专题命中 RAG评测 ：RAG(abstract,abstract_cn)；分类 cs.CL、cs.AI

AI总结 本文发布RegDivergence-101基准，提出跨司法管辖区监管分歧检测任务，对比四类方法性能，发现未提及类的检测特性，为大规模检测指明架构方向。

Citation-Closure Retrieval and Per-Rule Attribution for Real-World Regulatory Compliance Question Answering

引用闭包检索与逐规则归因：面向真实世界法规合规问答

Yeong-Joon Ju, Seong-Whan Lee

机构 * Department of Artificial Intelligence, Korea University（韩国大学人工智能系） 纠错

专题命中 RAG评测 ：RAG(abstract,abstract_cn)；分类 cs.AI

AI总结 针对法规合规问答中多层级权威结构的引用追踪难题，提出基于操作知识图谱的基准RegOps-Bench和统一框架RefWalk，通过共享主题锚点遍历跨文档引用、多视角候选融合及逐规则归因，显著提升检索召回率和引用准确性。

Comments Findings of EMNLP 2026

MemoNoveltyAgent: A Historical Research Memory-Aware Agent Workflow for Paper Novelty Assessment

MemoNoveltyAgent：一种用于论文新颖性评估的历史研究记忆感知智能体工作流

Jiajun Hou, Hexuan Deng, Wenxiang Jiao, Xuebo Liu, Xiaopeng Ke, Derek F. Wong, Min Zhang

机构 * Institute of Computing and Intelligence, Harbin Institute of Technology, Shenzhen, China（计算与智能研究院，哈尔滨工业大学深圳校区，中国） ； Xiaohongshu Inc.（小红书公司） ； Zhongguancun Academy, Beijing, China（中关村学院，北京，中国） ； NLP 2 CT Lab, Department of Computer and Information Science, University of Macau, China（自然语言处理2实验室，计算机与信息科学系，澳门大学，中国） 纠错

专题命中 RAG评测 ：RAG(abstract,abstract_cn)；分类 cs.CL

AI总结 提出MemoNoveltyAgent多智能体系统，通过分层抽象记忆、细粒度新颖点分解和自验证机制，生成忠实的新颖性报告，在评估中比GPT-5 DeepResearch提升13.69%。

Comments Accepted to the Findings of EMNLP 2026

Beacon: LLM Multi-Agent Driven Hardware Design Space Exploration for Heterogeneous Multi-Chiplet Deep Learning Accelerators

Beacon：面向异构多小芯片深度学习加速器的大语言模型多智能体驱动硬件设计空间探索

Boyu Li, Zongwei Zhu, Qianyue Cao, Xi Li, Xuehai Zhou

专题命中 RAG评测 ：RAG(abstract,abstract_cn)

AI总结 Beacon是一种报告驱动的LLM多智能体框架，用于异构多小芯片深度学习加速器的HW-DSE，可在有限迭代预算下将延迟-能耗-金钱成本的综合目标降低25.1%-93.5%。

SUP-MIMIC: A Multi-Task Clinical Diagnosis Benchmark for Evaluating LLMs' Robustness to Contradictory Evidence

SUP-MIMIC：用于评估大型语言模型对矛盾证据鲁棒性的多任务临床诊断基准

Yi Yu, Bo Wang, Chong Feng, Ge Shi, Xia Liu, Ziyi Yang, Xuewen Shi

机构 * Beijing University of Technology（北京工业大学） ； Beijing Institute of Technology（北京理工大学） ； China-Japan Friendship Hospital（中日友好医院） ； Dongbei University of Finance and Economics（东北财经大学） 纠错

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

AI总结 本研究提出多任务临床诊断基准SUP-MIMIC，评估发现当前先进LLMs在诊断分歧与聚合任务上性能大幅下降，存在漏诊风险，为提升医疗场景下LLMs安全性提供了方法与路线图。

Comments 18 pages, 13 figures, 3 table

Do Small Models Use the Law You Give Them? Measuring Context Use on a Bilingual Bangladesh Legal Benchmark

小模型是否会利用你提供的法律？在孟加拉语-英语双语孟加拉法律基准上测量上下文利用情况

Moniruzzaman Mahadi, Abrar Mohammed Tanzim Alam, Sayma Siddika Monalisa, Mir Mohammad Asif Abdullah, Swakkhar Shatabda, Md Adnan Arefeen

机构 * North South University（北南大学） ； BRAC University（BRAC大学） ； HuggingFace 纠错

专题命中 RAG评测 ：retriever(abstract)；分类 cs.CL

AI总结 该研究针对双语孟加拉法律问答任务，发现微调未提升小模型对上下文中法律的依赖，需分离评分、检索及模型效应对评估法律适配性的影响

Comments Legal Data Benchmark for Bangladesh