RAG / 检索增强生成

Decoupling Knowledge and Task Subspaces for Composable Parametric Retrieval Augmented Generation

解耦知识与任务子空间以实现可组合的参数检索增强生成

Weihang Su, Hanwen Zhang, Qingyao Ai, Yiqun Liu

机构 * Department of Computer Science and Technology, Tsinghua University（清华大学计算机科学与技术系） 纠错

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

AI总结 本文提出通过正交子空间分解分离任务行为与文档知识，提升多文档参数RAG的组合鲁棒性。

An End-to-End Ukrainian RAG for Local Deployment. Optimized Hybrid Search and Lightweight Generation

端到端的乌克兰RAG系统用于本地部署。优化的混合搜索和轻量级生成

Mykola Trokhymovych, Yana Oliinyk, Nazarii Nyzhnyk

机构 * Pompeu Fabra University（庞皮乌斯·法布拉大学） ； Independent Researcher（独立研究者） 纠错

专题命中 检索器与排序 ：RAG(title,title_cn)；retrieval-augmented generation(abstract)；分类 cs.CL

AI总结 本文提出一个高效的检索增强生成系统，用于乌克兰文档问答，在UNLP 2026共享任务中获第二名。系统包含定制的两阶段搜索流程和针对乌克兰语言的微调模型，最终通过模型压缩实现轻量级部署。

Comments To appear at UNLP'26

All Languages Matter: Understanding and Mitigating Language Bias in Multilingual RAG

所有语言都重要：理解并缓解多语言RAG中的语言偏差

Dan Wang, Guozhao Mo, Yafei Shi, Cheng Zhang, Bo Zheng, Boxi Cao, Xuanang Chen, Yaojie Lu, Hongyu Lin, Ben He, Xianpei Han, Le Sun

机构 * Chinese Information Processing Laboratory, Institute of Software, Chinese Academy of Sciences（中国科学院软件研究所信息处理实验室） ； University of Chinese Academy of Sciences（中国科学院大学） ； MYbank, AntGroup（蚂蚁集团MYbank） 纠错

专题命中 检索器与排序 ：RAG(title,title_cn)；retrieval-augmented generation(abstract)；分类 cs.CL

AI总结 本文研究多语言RAG中的语言偏差问题，提出LAURA方法，通过多语言证据排名与生成效用对齐，有效缓解语言偏差并提升性能。

Comments ACL 2026 main conference

A Reproducibility Study of Metacognitive Retrieval-Augmented Generation

元认知检索增强生成的可重复性研究

Gabriel Iturra-Bocaz, Petra Galuscakova

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

AI总结 本文研究了元认知检索增强生成（MetaRAG）的可重复性，评估了点wise和listwise重排器的效果，并与SIM-RAG进行比较，发现MetaRAG在相对改进上优于标准RAG，但绝对分数较低，反映了闭源LLM更新和实现细节缺失的问题。

Comments Paper accepted at ACM SIGIR Conference 2026

Beyond Explicit Refusals: Soft-Failure Attacks on Retrieval-Augmented Generation

超越显式拒绝：针对检索增强生成的软故障攻击

Wentao Zhang, Yan Zhuang, ZhuHang Zheng, Mingfei Zhang, Jiawen Deng, Fuji Ren

机构 * University of Electronic Science and Technology of China（电子科技大学） ； Shenzhen Institute for Advanced Study（深圳先进研究所） 纠错

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

AI总结 本文提出DEJA攻击框架，通过进化优化生成对抗文档，诱导系统产生非信息性但流畅的响应，降低回答确定性，实验显示其在多个RAG配置中有效，SASR超过79%。

Comments 22 pages, Accepted to the ACL 2026 Main Conference

AutoSearch: Adaptive Search Depth for Efficient Agentic RAG via Reinforcement Learning

AutoSearch: 通过强化学习实现高效的代理RAG自适应搜索深度

Jingbo Sun, Wenyue Chong, Songjun Tu, Qichao Zhang, Yaocheng Zhang, Jiajun Chai, Xiaohan Wang, Wei Lin, Guojun Yin, Dongbin Zhao

机构 * SKL-MAIS, Institute of Automation, Chinese Academy of Sciences（中国科学院自动化研究所SKL-MAIS实验室） ； School of Artificial Intelligence, University of Chinese Academy of Sciences（中国科学院大学人工智能学院） ； School of Advanced Interdisciplinary Sciences, University of Chinese Academy of Sciences（中国科学院大学交叉学科学院） ； Meituan（美团） 纠错

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

AI总结 本文提出AutoSearch框架，通过强化学习动态调整搜索深度，在保证搜索质量的同时提升效率，实现在复杂问题上的准确率与效率的平衡。

A Unified Model and Document Representation for On-Device Retrieval-Augmented Generation

一种用于设备端检索增强生成的统一模型和文档表示

Julian Killingback, Ofer Meshi, Henry Li, Hamed Zamani, Maryam Karimzadehgan

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

AI总结 本文提出一种统一模型，通过共享表示压缩RAG上下文，减少存储需求并提升设备端性能。

Feedback Adaptation for Retrieval-Augmented Generation

基于反馈的检索增强生成反馈适应

Jihwan Bang, Seunghan Yang, Kyuhong Shim, Simyung Chang, Juntae Lee, Sungha Choi

机构 * Qualcomm AI Research（高通人工智能研究） 纠错

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

AI总结 研究提出反馈适应问题，通过引入修正延迟和反馈后性能两个指标，评估RAG系统在反馈后的适应能力，并提出PatchRAG模型实现即时修正与强泛化。

Comments Accepted at ACL 2026 Findings

Semantic Chameleon: Corpus-Dependent Poisoning Attacks and Defenses in RAG Systems

语义变色龙：RAG系统中依赖语料库的污染攻击与防御

Scott Thornton

机构 * Independent Researcher（独立研究者） 纠错

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

AI总结 研究RAG系统中依赖语料库的污染攻击与防御，提出双文档污染攻击方法并评估混合检索防御效果，展示混合检索能有效降低攻击成功率。

Comments 10 pages, 5 figures

Topic Is Not Agenda: A Citation-Community Audit of Text Embeddings

主题并非议程：文本嵌入的引用社区审计

Junseon Yoo

机构 * Pluto Labs（Pluto实验室） 纠错

专题命中 检索器与排序 ：RAG(summary_cn,abstract)；retrieval-augmented generation(abstract)；retriever(abstract)；vector search(abstract)

AI总结 本文通过构建358万篇科学论文的增强引用图，发现文本嵌入的余弦相似性与研究议程的相关性在子领域层面合理，但在更高层次的议程层面失效，揭示了科学RAG系统中的关键缺陷。

Comments 16 pages, 4 figures, 4 tables

A Systematic Framework for Enterprise Knowledge Retrieval: Leveraging LLM-Generated Metadata to Enhance RAG Systems

企业知识检索的系统框架：利用LLM生成的元数据增强RAG系统

Pranav Pushkar Mishra, Kranti Prakash Yeole, Ramyashree Keshavamurthy, Mokshit Bharat Surana, Fatemeh Sarayloo

机构 * University of Illinois Chicago（伊利诺伊大学芝加哥分校） 纠错

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

AI总结 本文提出一种系统性的元数据增强框架，利用大语言模型提升RAG系统的文档检索性能，通过实验验证元数据增强对检索精度和排名质量的提升效果。

Comments Accepted to 2026 IEEE Conference on Artificial Intelligence (CAI). 8 pages, 1 figures, 9 tables

Graphs RAG at Scale: Beyond Retrieval-Augmented Generation With Labeled Property Graphs and Resource Description Framework for Complex and Unknown Search Spaces

大规模图RAG：通过标记属性图和资源描述框架超越检索增强生成

Manie Tadayon, Mayank Gupta

机构 * Capital Group（资本集团） 纠错

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

AI总结 本文提出了一种端到端的图RAG框架，利用标记属性图和资源描述框架解决传统RAG在未知搜索空间和半结构化数据中的局限，提升准确性和查询生成效率。

Comments 17 pages, 4 figures, 35 citations/references

SF-RAG: Structure-Fidelity Retrieval-Augmented Generation for Academic Question Answering

SF-RAG：用于学术问答的结构保真检索增强生成

Rui Yu, Tianyi Wang, Ruixia Liu, Yinglong Wang

机构 * Qilu University of Technology (Shandong Academy of Sciences)（齐鲁工业大学（山东科学院）） ； National University of Singapore（新加坡国立大学） 纠错

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

AI总结 SF-RAG通过保留学术论文的层级结构，提高检索和生成的效率与准确性，减少碎片化并提升答案质量。

From Prefix Cache to Fusion RAG Cache: Accelerating LLM Inference in Retrieval-Augmented Generation

从前缀缓存到融合RAG缓存：加速检索增强生成中的LLM推理

Jiahao Wang, Weiyu Xie, Mingxing Zhang, Boxing Zhang, Jianwei Dong, Yuening Zhu, Chen Lin, Jinqi Tang, Yaochen Han, Zhiyuan Ai, Xianglin Chen, Yongwei Wu, Congfeng Jiang

机构 * Hangzhou Dianzi University（杭州电子科技大学） ； Tsinghua University（清华大学） 纠错

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

AI总结 FusionRAG通过优化RAG的预处理和重处理阶段，在保持生成质量的同时提升推理效率。

MA-RAG: Multi-Agent Retrieval-Augmented Generation via Collaborative Chain-of-Thought Reasoning

Thang Nguyen, Peter Chin, Yu-Wing Tai

机构 * Dartmouth College（达特茅斯学院） 纠错

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

PIR-RAG: A System for Private Information Retrieval in Retrieval-Augmented Generation

Baiqiang Wang, Qian Lou, Mengxin Zheng, Dongfang Zhao

机构 * University of Washington（华盛顿大学） ； University of Central Florida（中央佛罗里达大学） 纠错

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

RAG+: Enhancing Retrieval-Augmented Generation with Application-Aware Reasoning

Yu Wang, Shiwan Zhao, Zhihu Wang, Ming Fan, Xicheng Zhang, Yubo Zhang, Zhengfan Wang, Heyuan Huang, Ting Liu

机构 * Xi’an Jiaotong University（西安交通大学） ； Huawei Technologies Ltd.（华为技术有限公司） ； Nankai University（南开大学） 纠错

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

CoT-RAG: Integrating Chain of Thought and Retrieval-Augmented Generation to Enhance Reasoning in Large Language Models

Feiyang Li, Peng Fang, Zhan Shi, Arijit Khan, Fang Wang, Weihao Wang, Xin Zhang, Yongjian Cui

机构 * School of Computer Science and Technology, Huazhong University of Science and Technology, Wuhan, China（华中科技大学计算机科学与技术学院） ； Wuhan National Laboratory for Optoelectronics, Huazhong University of Science and Technology, Wuhan, China（华中科技大学光电实验室） ； Department of Computer Science, Bowling Green State University, Ohio, USA（Bowling Green State University 计算机科学系） ； Department of Computer Science, Aalborg University, Aalborg, Denmark（Aalborg University 计算机科学系） ； Huawei Technologies Co., Ltd, Shenzhen, China（华为技术有限公司） 纠错

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

Typed-RAG: Type-Aware Decomposition of Non-Factoid Questions for Retrieval-Augmented Generation

DongGeon Lee, Ahjeong Park, Hyeri Lee, Hyeonseo Nam, Yunho Maeng

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

Comments Accepted to XLLM@ACL 2025

DyG-RAG: Dynamic Graph Retrieval-Augmented Generation with Event-Centric Reasoning

Qingyun Sun, Jiaqi Yuan, Shan He, Xiao Guan, Haonan Yuan, Xingcheng Fu, Jianxin Li, Philip S. Yu

机构 * Beihang University（北航大学） ； Guangxi Normal University（广西师范大学） ； University of Illinois Chicago（伊利诺伊大学芝加哥分校） 纠错

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

Evaluating Hybrid Retrieval Augmented Generation using Dynamic Test Sets: LiveRAG Challenge

Chase Fensore, Kaustubh Dhole, Joyce C Ho, Eugene Agichtein

机构 * Emory University, USA（埃默里大学） 纠错

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

Comments 4 pages, 3 tables, 2 figures. Accepted at the SIGIR LiveRAG Workshop 2025 (Submission 2664)

Reasoning RAG via System 1 or System 2: A Survey on Reasoning Agentic Retrieval-Augmented Generation for Industry Challenges

Jintao Liang, Gang Su, Huifeng Lin, You Wu, Rui Zhao, Ziyue Li

机构 * Beijing University of Posts and Telecommunications（北京邮电大学） ； University of Georgia（佐治亚大学） ； South China University of Technology（华南理工大学） ； Technical University of Munich, University of Cologne（慕尼黑技术大学、科隆大学） ； SenseTime Research（商汤科技研究院） ； Qingyuan Research Institute, Shanghai Jiaotong University（青原研究院，上海交通大学） 纠错

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

RAG LLMs are Not Safer: A Safety Analysis of Retrieval-Augmented Generation for Large Language Models

Bang An, Shiyue Zhang, Mark Dredze

机构 * Bloomberg AI（布莱尔人工智能） ； University of Maryland（马里兰大学） ； Johns Hopkins University（约翰霍普金斯大学） 纠错

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

Comments NAACL 2025

Hyper-RAG: Combating LLM Hallucinations using Hypergraph-Driven Retrieval-Augmented Generation

Yifan Feng, Hao Hu, Xingliang Hou, Shiquan Liu, Shihui Ying, Shaoyi Du, Han Hu, Yue Gao

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

PCA-RAG: Principal Component Analysis for Efficient Retrieval-Augmented Generation

Arman Khaledian, Amirreza Ghadiridehkordi, Nariman Khaledian

机构 * Zanista AI 纠错

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

Comments 19 pages

LaRA: Benchmarking Retrieval-Augmented Generation and Long-Context LLMs -- No Silver Bullet for LC or RAG Routing

Kuan Li, Liwen Zhang, Yong Jiang, Pengjun Xie, Fei Huang, Shuai Wang, Minhao Cheng

机构 * The Hong Kong University of Science and Technology（香港科技大学） ； Alibaba Group（阿里巴巴集团） ； Penn State University（宾夕法尼亚州立大学） 纠错

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

Comments 22 pages

Speculative RAG: Enhancing Retrieval Augmented Generation through Drafting

Zilong Wang, Zifeng Wang, Long Le, Huaixiu Steven Zheng, Swaroop Mishra, Vincent Perot, Yuwei Zhang, Anush Mattapalli, Ankur Taly, Jingbo Shang, Chen-Yu Lee, Tomas Pfister

机构 * University of California, San Diego（加利福尼亚大学圣迭戈分校） ； Google Cloud AI Research（谷歌云人工智能研究部） ； Google DeepMind（谷歌DeepMind） ； Google Cloud AI（谷歌云人工智能） 纠错

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

Comments Accepted to ICLR 2025

DH-RAG: A Dynamic Historical Context-Powered Retrieval-Augmented Generation Method for Multi-Turn Dialogue

Feiyuan Zhang, Dezhi Zhu, James Ming, Yilun Jin, Di Chai, Liu Yang, Han Tian, Zhaoxin Fan, Kai Chen

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

MAIN-RAG: Multi-Agent Filtering Retrieval-Augmented Generation

Chia-Yuan Chang, Zhimeng Jiang, Vineeth Rakesh, Menghai Pan, Chin-Chia Michael Yeh, Guanchu Wang, Mingzhi Hu, Zhichao Xu, Yan Zheng, Mahashweta Das, Na Zou

机构 * Texas A&M University（德克萨斯农工大学） ； Visa Research（Visa研究院） ； Worcester Polytechnic Institute（伍斯特理工学院） ； University of Utah（犹他大学） ； University of Houston（休斯顿大学） 纠错

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

OG-RAG: Ontology-Grounded Retrieval-Augmented Generation For Large Language Models

Kartik Sharma, Peeyush Kumar, Yunqing Li

机构 * Microsoft Research（微软研究院） 纠错

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