AI 大模型
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。
GLIER：生成式法律推理与证据排序用于法律案例检索
机构 * Soochow University（苏州大学）
专题命中 检索器与排序 ：dense retrieval(abstract)；分类 cs.IR、cs.AI
AI总结 GLIER通过生成式法律推理和证据排序框架，解决法律案例检索中非专业查询与专业文档间的语义鸿沟问题，提升检索的可解释性和准确性。
Comments Accepted to the ACL 2026 main conference
CoAuthorAI：一种用于科学书籍写作的人机协作系统
机构 * Kexin Technology, Beijing（凯欣科技，北京） ； Institute for Sustainable Industries and Liveable Cities, Victoria University（可持续产业与宜居城市研究所，维多利亚大学） ； School of Information Technology, Deakin University（信息科技学院，德坎大学）
专题命中 检索器与排序 ：retrieval-augmented generation(abstract)；分类 cs.CL、cs.AI
AI总结 CoAuthorAI通过人机协作系统，结合检索增强生成、专家设计的层级大纲和自动参考链接，提升科学书籍写作的准确性和一致性，实现从文章到整本书的出版扩展。
SweRank: 代码排名用于软件问题定位
机构 * University of Illinois at Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校） ； Salesforce Research（Salesforce 研究） ； KAIST AI（韩国科学技术院人工智能研究所）
专题命中 检索器与排序 ：retriever(abstract)；分类 cs.IR、cs.AI
AI总结 本文提出SweRank框架，通过高效的检索与重排序方法提升软件问题定位的准确性，实验表明其在SWE-Bench-Lite和LocBench上优于现有方法。
Comments ICLR 2026 Camera Ready Version
具有词汇外查询的分层检索：一项SNOMED CT案例研究
机构 * The University of Manchester（曼彻斯特大学） ； SNOMED International（SNOMED国际） ； City St George’s, University of London（伦敦大学城圣乔治学院）
专题命中 检索器与排序 ：knowledge retrieval(abstract)；分类 cs.CL、cs.AI
AI总结 本文研究了SNOMED CT中词汇外查询的分层概念检索问题，提出基于语言模型的本体嵌入方法，在双曲空间中实现高效子概念推理，优于基线方法。
Comments 21 pages, 5 figures, 8 tables, submission to the Transactions on Graph Data and Knowledge (TGDK) journal
从相关性到权威性：面向网页搜索引擎的权威感知生成检索
机构 * Sungkyunkwan University（成均馆大学） ； Naver Corporation（Naver公司）
专题命中 检索器与排序 ：retriever(abstract)；分类 cs.IR、cs.CL
AI总结 本文提出权威感知生成检索框架AuthGR，通过多模态权威评分、三阶段训练和混合集成流程提升检索的权威性和准确性，在实际应用中显著提高用户参与度和可靠性。
Comments ACL 2026 (Industry Track)
诊断基于大语言模型的重排器在冷启动推荐系统中的表现：覆盖、曝光与实际缓解措施
机构 * V. A. Trapeznikov ICS RAS Russian Biotechnological University (ROSBIOTECH)（Trapeznikov ICS 俄罗斯科学院俄罗斯生物技术大学） ； Russian Biotechnological University (ROSBIOTECH)（俄罗斯生物技术大学）
专题命中 检索器与排序 ：hybrid retrieval(abstract)；分类 cs.IR、cs.CL
AI总结 本文通过Serendipity-2018数据集研究冷启动电影推荐中交叉编码器重排器的表现，发现检索覆盖不足、曝光偏差和评分区分度低三大问题，并提出混合检索策略、候选池优化和评分校准等缓解措施。
Comments 12 pages, 7 figures. Code and data available at https://github.com/nikita-zmanovskiy/cold-start-algorithm
ProRank：通过强化学习进行小语言模型的提示预热以实现文档重排序
机构 * Mixedbread AI ； The Hong Kong Polytechnic University（香港理工大学）
专题命中 检索器与排序 ：retrieval-augmented generation(abstract)；分类 cs.IR、cs.CL
AI总结 本文提出ProRank方法，通过强化学习提升小语言模型对任务提示的理解，结合细粒度分数学习增强表示能力，实验证明其在文档重排序任务中优于现有模型，尤其在BEIR基准上表现突出。
Comments Accepted by ACL2026 Findings
文档选择对查询导向文本分析的影响
机构 * Johns Hopkins University（约翰霍普金斯大学）
专题命中 检索器与排序 ：hybrid retrieval(abstract)；分类 cs.IR、cs.CL
AI总结 本文评估了七种文档选择策略对四种文本分析方法在两个数据集上的影响，发现语义或混合检索策略能有效避免弱策略的弊端，确立数据选择为方法学决策。
LLM作为具有注意力机制的NTM及话题建模作为长输入生成：可解释性与长上下文能力
机构 * Beijing University of Posts and Telecommunications（北京邮电大学） ； University of Science and Technology Beijing（北京科技大学） ； Beijing Value Simplex Technology Co. Ltd（北京价值简单科技有限公司） ； Zhongguancun Laboratory（中关村实验室）
专题命中 检索器与排序 ：hybrid retrieval(abstract)；分类 cs.CL、cs.AI
AI总结 本文从白盒和黑盒视角研究基于LLM的话题建模，提出注意力引导框架恢复可解释结构，并通过长输入任务和信号补偿方法提升性能，验证LLM与NTM的联系及长上下文LLM在话题建模中的潜力。
Legal2LogicICL: 通过多样少量样本学习提升将法律案例转换为逻辑公式的一般化能力
机构 * Center for Juris-Informatics, ROIS-DS（法信息学中心，ROIS-DS） ； Japan Advanced Institute of Science and Technology（日本先端科学技术大学）
专题命中 检索器与排序 ：retrieval-augmented generation(abstract)；分类 cs.CL、cs.AI
AI总结 本文提出Legal2LogicICL框架，通过检索增强生成实现有效上下文学习，构建信息丰富且稳定的少量样本演示，提升法律案例转逻辑表示的准确性与稳定性。
Comments Accepted at ICAIL 2026
RECIPER：一种面向材料问题回答的双视角检索流程
机构 * Shenzhen Institute of Advanced Technology, Chinese Academy of Sciences（中国科学院深圳先进技术研究院）
专题命中 检索器与排序 ：dense retrieval(abstract)；分类 cs.CL、cs.AI
AI总结 本文提出RECIPER双视角检索流程，通过结合段落上下文和紧凑的LLM提取的工艺摘要，提升材料科学论文中工艺细节的检索效果，实验表明在多个检索模型上均取得显著提升。
Comments 5 pages, 1 figure
CircuitSynth：可靠的合成数据生成
机构 * University of Oxford（牛津大学） ； TU Wien（维也纳工业大学）
专题命中 检索器与排序 ：retrieval-augmented generation(abstract)；分类 cs.CL、cs.AI
AI总结 CircuitSynth提出了一种新的神经符号框架，通过将语义推理与表层实现解耦，结合概率句法决策图和凸优化机制，实现高保真合成数据生成，确保逻辑约束和分布目标。
Comments 11 Pages
基于检索增强的大型语言模型用于指导老年人使用大麻二酚的证据支持
机构 * Lawrence Bloomberg Faculty of Nursing, University of Toronto（多伦多大学劳伦斯·布隆伯格护理学院） ； KITE Research Institute, Toronto Rehabilitation Institute, University Health Network（大学健康网络多伦多康复研究所KITE研究所） ； College of Engineering and Technology, American University of the Middle East（中东美国大学工程与技术学院）
专题命中 检索器与排序 ：retrieval-augmented generation(abstract)；分类 cs.IR、cs.AI
AI总结 本文提出一种结合结构化提示工程与大麻二酚证据的检索增强型大型语言模型框架，用于为老年人提供安全指导，同时开发了无标注评估框架以评估AI在敏感健康场景中的可靠性。
基于学习图记忆的代理多模态网络历史任务自适应检索
机构 * School of Engineering, Royal Melbourne Institute of Technology University（皇家墨尔本理工大学工程学院）
专题命中 检索器与排序 ：retriever(abstract)；分类 cs.IR、cs.AI
AI总结 本文提出ACGM方法，通过任务自适应图记忆检索代理历史，利用策略梯度优化提升检索质量，在多个数据集上取得显著成果。
Comments The 49th International ACM SIGIR Conference on Research and Development in Information Retrieval
对齐后再训练：高效的检索适配学习
机构 * Megagon Labs（Megagon实验室）
专题命中 检索器与排序 ：dense retrieval(abstract)；分类 cs.IR、cs.CL
AI总结 本文提出Efficient Retrieval Adapter框架，通过自监督对齐和监督适应两阶段训练，解决复杂查询与简单文档之间的检索不匹配问题，提升低标注场景下的检索性能。
Cite Pretrain: 无需检索的知识归因于大语言模型
机构 * Duke University（杜克大学） ； Meta
专题命中 检索器与排序 ：retriever(abstract)；分类 cs.CL、cs.AI
AI总结 本文提出CitePretrainBench基准，通过修改训练过程使大语言模型在无检索情况下可靠归因于训练期间看到的文档。通过两阶段方法提升模型在短形式和长形式引用任务中的表现，实验显示Active Indexing在多个任务和模型中均取得30.2%的引用精度提升。
领域适应的检索用于上下文注释教学对话行为
机构 * Cornell University（康奈尔大学）
专题命中 检索器与排序 ：RAG(abstract)；分类 cs.CL、cs.AI
AI总结 本文提出一种领域适应的RAG流水线，用于教学对话行为标注，通过轻量级嵌入模型在对话层面索引以提高标注精度，实验显示其在两个真实教学对话数据集上显著优于无检索基线。
Comments 20 pages, 20 tables, 4 figures
PAVE：基于前提的验证与编辑用于检索增强的大语言模型
机构 * Ryquo ； App-In Club
专题命中 检索器与排序 ：retriever(abstract)；分类 cs.CL、cs.AI
AI总结 PAVE通过在推理阶段验证和编辑检索到的证据，提高检索增强大语言模型的回答一致性。在两个证据基础问答任务中，PAVE在跨度基础基准上提升了32.7个准确率点。
Comments Accepted at the ICLR 2026 Workshop on Logical Reasoning of Large Language Models
DIVER：一种用于推理密集型信息检索的多阶段方法
机构 * Ant Group（蚂蚁集团） ； Sun Yat-sen University（中山大学）
专题命中 检索器与排序 ：retrieval-augmented generation(abstract)；分类 cs.IR、cs.AI
AI总结 DIVER通过多阶段流程提升推理密集型信息检索性能，包含文档预处理、查询扩展、检索和重排序四个环节，有效应对需要抽象推理和多步推理的复杂查询。
真理为何？面向档案文档分析的模块化框架
机构 * Università degli Studi di Milano（米兰大学） ； University Library Service（大学图书馆服务部） ； Department of Literary Studies, Philology and Linguistics（文学、语文学与语言学系） ； Department of Historical Studies（历史研究系） ； Department of Computer Science（计算机科学系）
专题命中 检索器与排序 ：retrieval-augmented generation(abstract)；分类 cs.IR、cs.AI
AI总结 本文提出VERITAS框架，通过整合转录、版式分析和语义增强，提升历史文档数字化分析能力，实验显示其在词错误率和处理时间上均有显著提升。
Comments to be published in: LLMs4SSH: Shaping Multilingual, Multimodal AI for the Social Sciences and Humanities, organized within the 15th Language Resource and Evaluation Conference (2026)
AISAC：一个集成的多智能体系统，用于透明、基于检索的科学协助
机构 * Transportation and Power Systems Division, Argonne National Laboratory, USA（美国阿贡国家实验室交通与动力系统部）
专题命中 检索器与排序 ：RAG(abstract)；分类 cs.CL、cs.AI
AI总结 AISAC 提供了一个透明的多智能体运行环境，支持长期的证据支持科学推理，通过结构化保证实现角色语义、预算管理、可追溯执行和工具交互可重复性。
基于模式的上下文学习框架
机构 * University of Toronto（多伦多大学） ； Nanyang Technological University（南洋理工大学） ； Acceleration Consortium（加速联盟） ； Vector Institute for Artificial Intelligence（向量人工智能研究所） ； Canadian Institute for Advanced Research (CIFAR)（加拿大高等研究院（CIFAR）） ； NVIDIA（英伟达）
专题命中 检索器与排序 ：knowledge retrieval(abstract)；分类 cs.CL、cs.AI
AI总结 本文提出基于认知模式的上下文学习框架，通过提取先验示例中的认知构建块，生成抽象模式以增强模型推理能力，实验证明在化学和物理问题上性能提升达36.19%。
SkillFlow：可扩展且高效的智能体技能检索系统
机构 * University of California, Davis（加州大学戴维斯分校） ； USDA/NSF AI Institute for Next Generation Food Systems（美国农业部/国家科学基金会下一代食品系统人工智能研究所） ； Process Integration and Predictive Analytics（过程集成与预测分析）
专题命中 检索器与排序 ：dense retrieval(abstract)；分类 cs.CL、cs.AI
AI总结 SkillFlow通过多阶段检索流程提升智能体技能检索效率，实现在SkillsBench上Pass@1提升78.3%，但Terminal-Bench显示检索效果受限于技能库质量
增强联邦智能检索
机构 * Flower Labs
专题命中 检索器与排序 ：RAG(abstract)；分类 cs.IR、cs.CL
AI总结 本文提出一个安全的联邦RAG系统，通过本地数据检索和服务器端加密环境实现隐私保护的远程LLM推理，并引入非保密第三方模型作为辅助上下文。
Comments 6 pages, 1 figure, 2 tables
通过领域导向的分层检索缓解大语言模型的幻觉
机构 * Computational Unit, Z.H. College of Engineering & Technology, Aligarh Muslim University, India（计算单元，Z.H. 工程技术学院，阿利加尔穆斯林大学，印度） ； Interdisciplinary Center for Artificial Intelligence, Aligarh Muslim University, India（跨学科人工智能中心，阿利加尔穆斯林大学，印度） ； Department of Computer Engineering, Aligarh Muslim University, India（计算机工程系，阿利加尔穆斯林大学，印度）
专题命中 检索器与排序 ：RAG(abstract)；分类 cs.CL、cs.AI
AI总结 本文提出一种领域导向的分层检索与验证架构，通过将LLM从随机模式匹配者转变为验证真理寻求者，系统拦截事实性不准确内容。在六个基准测试中，该框架在时间精度和数值准确性要求高的领域表现出色，但发现存在'假前提过度断言'的持续失败模式。
Comments 14 Pages, 5 Figures, 4 Tables; v2: Updated Table 3 and Figure 4 to address minor data inconsistencies and revised the relevant content
基于大语言模型的伪相关反馈的系统研究
机构 * University of Waterloo（滑铁卢大学）
专题命中 检索器与排序 ：retriever(abstract)；分类 cs.IR、cs.CL
AI总结 本文系统研究了基于大语言模型的伪相关反馈方法，发现反馈模型选择和反馈源对PRF效果有重要影响，且从语料库获取反馈在强检索器支持下效果最佳。
TAMUSA-Chat: 一个面向研究和负责任部署的领域适应大型语言模型对话系统
机构 * Texas A&M University–San Antonio（德克萨斯A&M大学-圣安东尼奥分校） ； Utah Valley University（犹他谷大学）
专题命中 检索器与排序 ：retrieval-augmented generation(abstract)；分类 cs.CL、cs.AI
AI总结 TAMUSA-Chat是一个面向研究和负责任部署的领域适应大型语言模型对话系统，通过监督微调、检索增强生成和系统化评估方法，解决机构环境中的关键挑战。
Tucano 2 Cool: 更好的开源葡萄牙语大语言模型
机构 * Bonn-Aachen International Center for Information Technology (b-it) / CAISA Lab（波恩-亚琛国际信息科技中心（b-it）/ CAISA实验室） ； Lamarr Institute for Machine Learning and Artificial Intelligence（拉马尔机器学习与人工智能研究所） ； Center for Science and Thought（科学与思想研究中心） ； Helmholtz-Institut für Strahlen- und Kernphysik（亥姆霍兹辐射与核物理研究所） ； Bonn Sustainable AI Lab（波恩可持续AI实验室）
专题命中 检索器与排序 ：retrieval augmented generation(abstract)；分类 cs.CL、cs.AI
AI总结 Tucano 2推出了一系列开源葡萄牙语大语言模型，通过扩展数据集和改进训练方法，实现了在多种语言任务上的最佳性能。
ToolDreamer: 将大语言模型推理能力注入工具检索器
机构 * The Pennsylvania State University（宾夕法尼亚州立大学） ； Bosch Research North America（博世北美研究）
专题命中 检索器与排序 ：retriever(abstract)；分类 cs.IR、cs.CL
AI总结 ToolDreamer通过合成工具描述来改进工具检索，提升稀疏和密集检索器性能，减少LLM上下文窗口压力。
Comments Accepted to EACL 2026 (main/oral)
性格作为关系基础设施：用户对融入人格特质的LLM消息的感知
专题命中 检索器与排序 ：retrieval augmented generation(abstract)；分类 cs.CL、cs.AI
AI总结 研究探讨了基于人格特质的LLM消息对用户感知的影响，发现人格信息通过整体暴露而非单条信息优化提升个性化和适当性评价。
Comments Currently under review
扫码添加微信好友，提出您的宝贵建议 👇
💡 备注请填写：网站反馈