RAG / 检索增强生成

User Misconceptions of LLM-Based Conversational Programming Assistants

基于大语言模型的对话式编程助手中的用户误解

Gabrielle O'Brien, Antonio Pedro Santos Alves, Sebastian Baltes, Grischa Liebel, Mircea Lungu, Marcos Kalinowski

机构 * University of Michigan（密歇根大学） ； Pontifical Catholic University of Rio de Janeiro（里约热内卢天主教大学） ； Heidelberg University（海德堡大学） ； Reykjavik University（雷克雅未克大学） ； IT University of Copenhagen（哥本哈根IT大学） 纠错

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

AI总结 研究揭示了用户在使用基于大语言模型的对话式编程助手时可能存在的误解，强调了工具在明确自身能力及通过实证研究澄清编程需求的重要性。

Comments Accepted to the Journal Ahead Workshop at ICSE '26

Error Notebook-Guided, Training-Free Part Retrieval in 3D CAD Assemblies via Vision-Language Models

通过视觉-语言模型实现无训练的3DCAD装配体部件检索：基于错误笔记本的引导

Yunqing Liu, Nan Zhang, Zhiming Tan

机构 * Fujitsu Research & Development Center Shanghai, China（富士通研发中心上海） 纠错

专题命中 检索器与排序 ：RAG(abstract)；分类 cs.AI

AI总结 本研究提出一种无训练的3D CAD部件检索方法，通过结合错误笔记本与RAG技术，显著提升基于VLM的推理性能，实验显示在专有模型和开源模型上均取得显著效果。

Comments Accepted by ICLR 2026

A Survey on the Optimization of Large Language Model-based Agents

基于大语言模型代理的优化综述

Shangheng Du, Jiabao Zhao, Jinxin Shi, Zhentao Xie, Xin Jiang, Yanhong Bai, Liang He

机构 * Shanghai Institute of Artificial Intelligence for Education, East China Normal University（上海人工智能教育研究院，东华大学） ； School of Computer Science and Technology, East China Normal University（计算机科学与技术学院，东华大学） ； School of Computer Science and Technology, Donghua University（计算机科学与技术学院，东华大学） 纠错

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

AI总结 本文综述了基于大语言模型的代理优化方法，分类讨论参数驱动与参数无关策略，分析关键技术和挑战，提出未来研究方向。

Comments Published in ACM Computing Surveys, Vol. 58, No. 9, Article 223, July 2026

Journal ref ACM Computing Surveys 58(9), Article 223, July 2026

JEF-Hinter: Leveraging Offline Knowledge for Improving Web Agents Adaptation

利用离线知识提升网络代理适应性的JEF-Hinter

Hadi Nekoei, Aman Jaiswal, Patrice Bechard, Oleh Shliazhko, Orlando Marquez Ayala, Mathieu Reymond, Massimo Caccia, Alexandre Drouin, Sarath Chandar, Alexandre Lacoste

机构 * ServiceNow AI Research（ServiceNow AI研究机构） ； Chandar Research Lab（Chandar研究实验室） ； Mila -- Quebec AI Institute（魁北克人工智能研究院） ； Dalhousie University（达尔豪斯大学） ； Canada CIFAR AI Chair（加拿大CIFAR人工智能主席） 纠错

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

AI总结 JEF-Hinter通过提炼离线轨迹生成上下文感知提示，提升网络代理在陌生领域的适应能力，实验显示其优于多种基线方法。

Entailed Opinion Matters: Improving the Fact-Checking Performance of Language Models by Relying on their Entailment Ability

蕴含观点重要性：通过依赖生成语言模型的蕴含能力提升事实核查性能

Gaurav Kumar, Ayush Garg, Debajyoti Mazumder, Aditya Kishore, Babu kumar, Jasabanta Patro

机构 * Department of Data Science and Engineering（数据科学与工程系） ； Indian Institute of Science Education and Research（印度科学教育与研究学院） 纠错

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

AI总结 本文提出通过生成语言模型的蕴含能力提升事实核查性能，通过证据分类和蕴含论证训练仅编码器的语言模型，以提高事实核查的准确性。

Comments 22 pages

Mine and Refine: Optimizing Graded Relevance in E-commerce Search Retrieval

挖掘与精炼：优化电子商务搜索检索中的分级相关性

Jiaqi Xi, Raghav Saboo, Luming Chen, Martin Wang, Sudeep Das

机构 * DoorDash Inc.（DoorDash公司） 纠错

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

AI总结 本文提出一种两阶段框架，通过挖掘和精炼提升电子商务搜索检索的分级相关性，结合对比学习和多类圆损失优化嵌入空间。

SAGE: Structure Aware Graph Expansion for Retrieval of Heterogeneous Data

SAGE：面向异构数据检索的结构感知图扩展

Prasham Titiya, Rohit Khoja, Tomer Wolfson, Vivek Gupta, Dan Roth

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

AI总结 SAGE通过构建结构感知的图扩展框架，在异构数据检索中提升召回率，采用混合检索与代理策略实现多模态证据链检索。

AdaptOrch: Task-Adaptive Multi-Agent Orchestration in the Era of LLM Performance Convergence

AdaptOrch：在LLM性能收敛时代的任务自适应多智能体协调

Geunbin Yu

机构 * Department of Artificial Intelligence, Korea National Open University（人工智能系，韩国国立开放大学） 纠错

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

AI总结 AdaptOrch通过动态选择多智能体协调拓扑，提升任务性能，证明协调设计优于模型选择。

Comments 21 pages, 10 figures, 6 tables

Large Language Models for Water Distribution Systems Modeling and Decision-Making

大型语言模型在水分配系统建模与决策中的应用

Yinon Goldshtein, Gal Perelman, Assaf Schuster, Avi Ostfeld

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

AI总结 本文提出LLM-EPANET框架，利用大型语言模型实现与EPANET的自然语言交互，提升水分配系统建模与决策的效率和透明度。

Comments Accepted to EWRI Congress 2025

Learning to Retrieve Navigable Candidates for Efficient Vision-and-Language Navigation

学习高效视觉-语言导航中的可导航候选检索

Shutian Gu, Chengkai Huang, Ruoyu Wang, Lina Yao

机构 * University of New South Wales, Sydney, Australia（新南威尔士大学） ； Macquarie University, Sydney, Australia（麦考瑞大学） ； Data61, CSIRO, Sydney, Australia（Data61, CSIRO） ； The School of Computer Science（计算机科学学院） 纠错

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

AI总结 本文提出检索增强框架，通过指令级示例检索和候选剪枝提升LLM在视觉-语言导航中的效率和稳定性。

Aeon: High-Performance Neuro-Symbolic Memory Management for Long-Horizon LLM Agents

Aeon: 高性能神经符号记忆管理用于长时域大语言模型智能体

Mustafa Arslan

机构 * Independent Researcher（独立研究者） 纠错

专题命中 检索器与排序 ：RAG(abstract)；分类 cs.AI

AI总结 Aeon通过神经符号认知操作系统优化长时域大语言模型的记忆管理，实现高效内存压缩和加速，提升推理性能与稳定性。

Comments v3: Production hardening. Added INT8 quantization (5.6x dot product speedup, 3.1x compression), crash recovery via decoupled WAL (<1% overhead), unlimited text storage via sidecar blob arena with generational GC, and epoch-based reclamation for lock-free reads (P99 750ns under 16-thread contention). Revised for systems engineering clarity

Structure-Aware Piano Accompaniment via Style Planning and Dataset-Aligned Pattern Retrieval

通过风格规划和数据集对齐的模式检索实现结构感知的钢琴伴奏

Wanyu Zang, Yang Yu, Meng Yu

机构 * Lewis University（利维斯大学） ； Nexus Art Foundation（nexus艺术基金会） ； Governors State University（governors州大学） 纠错

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

AI总结 本文提出一种结构感知的钢琴伴奏生成方法，通过风格规划和数据集对齐的模式检索实现多样化的伴奏生成。

Comments 12 pages

SYNAPSE: Empowering LLM Agents with Episodic-Semantic Memory via Spreading Activation

SYNAPSE：通过扩散激活实现LLM代理的片段语义记忆

Hanqi Jiang, Junhao Chen, Yi Pan, Ling Chen, Weihang You, Yifan Zhou, Ruidong Zhang, Andrea Sikora, Lin Zhao, Yohannes Abate, Tianming Liu

机构 * School of Computing, University of Georgia（佐治亚大学计算机学院） ； Department of Biosystems Engineering and Soil Science, University of Tennessee（田纳西大学生物系统工程与土壤科学系） ； Department of Biomedical Informatics, University of Colorado School of Medicine（科罗拉多医学院生物医学信息学系） ； Department of Biomedical Engineering, New Jersey Institute of Technology（新泽西理工学院生物医学工程系） ； Department of Physics and Astronomy, The University of Georgia（佐治亚大学物理与天文学系） 纠错

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

AI总结 SYNAPSE通过动态图与扩散激活机制，提升LLM在复杂时间序列和多跳推理任务中的性能，解决上下文隧道问题。

HyFunc: Accelerating LLM-based Function Calls for Agentic AI through Hybrid-Model Cascade and Dynamic Templating

HyFunc: 通过混合模型级联和动态模板加速基于LLM的功能调用以实现代理AI

Weibin Liao, Jian-guang Lou, Haoyi Xiong

机构 * Peking University（北京大学） ； Microsoft Corporation（微软公司） 纠错

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

AI总结 HyFunc通过混合模型级联和动态模板技术，高效解决代理AI中功能调用的冗余问题，实现低延迟和高性能。

Comments Accepted by KDD'26

Responsible AI in Business

商业中的负责任人工智能

Stephan Sandfuchs, Diako Farooghi, Janis Mohr, Sarah Grewe, Markus Lemmen, Jörg Frochte

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

AI总结 本文探讨中小企业在商业中实施负责任人工智能的框架，涵盖法律合规、透明性、可持续性和数据主权四个核心领域，提出治理、文档和实施路线图等关键步骤。

Comments 33 pages

AlphaPROBE: Alpha Mining via Principled Retrieval and On-graph biased evolution

AlphaPROBE：通过原理性检索和图内偏见进化进行alpha因子挖掘

Taian Guo, Haiyang Shen, Junyu Luo, Binqi Chen, Hongjun Ding, Jinsheng Huang, Luchen Liu, Yun Ma, Ming Zhang

机构 * National Key Laboratory for Multimedia Information Processing, School of Computer Science, PKU-Anker LLM Lab, Peking University（国家多媒体信息处理重点实验室，计算机科学学院，PKU-Anker LLM实验室，北京大学） ； Institute for Artificial Intelligence, Peking University（人工智能研究院，北京大学） ； Baruch College, City University of New York（巴纳克学院，纽约城市大学） 纠错

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

AI总结 AlphaPROBE通过原理性检索和图内偏见进化，提升alpha因子挖掘的效率与鲁棒性。

The PBSAI Governance Ecosystem: A Multi-Agent AI Reference Architecture for Securing Enterprise AI Estates

PBSAI治理生态系统：一种多智能体AI参考架构，用于保障企业AI领地安全

John M. Willis

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

AI总结 PBSAI提出了一种多智能体参考架构，用于保障企业AI领地的安全，通过十二个领域分类法和有限智能体家族实现责任划分，结合分析监控、协调防御等技术，确保系统安全与可追溯性。

Comments 43 pages, plus 12 pages of appendices. One Figure

Enhancing Multivariate Time Series Forecasting with Global Temporal Retrieval

通过全局时间检索增强多变量时间序列预测

Fanpu Cao, Lu Dai, Jindong Han, Hui Xiong

机构 * The Hong Kong University of Science and Technology (Guangzhou)（香港科学与技术大学（广州）） ； The Hong Kong University of Science and Technology（香港科学与技术大学） ； Shandong University（山东大学） 纠错

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

AI总结 GTR通过引入全局时间检索模块，有效提升多变量时间序列预测的长期周期性建模能力，实现高效且通用的预测性能改进。

Comments ICLR 2026

Reason to Retrieve: Enhancing Query Understanding through Decomposition and Interpretation

为检索而思考：通过分解与解释增强查询理解

Yunfei Zhong, Jun Yang, Yixing Fan, Lixin Su, Maarten de Rijke, Ruqing Zhang, Xueqi Cheng

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

AI总结 ReDI通过分解与解释增强查询理解，有效提升长形式复杂查询的检索性能。

Kissan-Dost: Bridging the Last Mile in Smallholder Precision Agriculture with Conversational IoT

Kissan-Dost：通过对话物联网弥合小农户精准农业的最后一公里

Muhammad Saad Ali, Daanish U. Khan, Laiba Intizar Ahmad, Umer Irfan, Maryam Mustafa, Naveed Anwar Bhatti, Muhammad Hamad Alizai

机构 * Lahore University of Management Sciences (LUMS), Pakistan（拉合尔管理科学大学（LUMS），巴基斯坦） 纠错

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

AI总结 Kissan-Dost通过对话物联网系统，利用传感器数据和多语言翻译，为小农户提供精准农业的实时指导和高效决策支持。

JUSTICE: Judicial Unified Synthesis Through Intermediate Conclusion Emulation for Automated Judgment Document Generation

JUSTICE: 通过中间结论模拟实现司法统一合成以生成自动判决文件

Binglin Wu, Yingyi Zhang, Xiannneg Li

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

AI总结 JUSTICE通过模拟预判过程提升判决书生成的法律准确性和连贯性

When Does Context Help? Error Dynamics of Contextual Information in Large Language Models

何时上下文有助于？大型语言模型中上下文信息的误差动态

Dingzirui Wang, Xuanliang Zhang, Keyan Xu, Qingfu Zhu, Wanxiang Che, Yang Deng

机构 * Harbin Institute of Technology（哈尔滨工业大学） ； Singapore Management University（新加坡管理大学） 纠错

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

AI总结 本文提出统一理论框架，分析上下文信息对Transformer模型误差动态的影响，通过几何条件和范数约束揭示上下文校正的必要条件，并通过实验验证提升模型性能。

Do Language Models Update their Forecasts with New Information?

语言模型是否会随着新信息更新其预测？

Zhangdie Yuan, Zifeng Ding, Andreas Vlachos

机构 * Department of Computer Science and Technology, University of Cambridge, Cambridge, United Kingdom（计算机科学与技术系，剑桥大学，剑桥，英国） 纠错

专题命中 检索器与排序 ：RAG(abstract)；分类 cs.CL

AI总结 研究发现语言模型在接收到新信息时更新预测不一致且保守，需改进机制以更准确整合外部知识。

NeuCLIRTech: Chinese Monolingual and Cross-Language Information Retrieval Evaluation in a Challenging Domain

NeuCLIRTech: 中文单语和跨语言信息检索评估在具有挑战性的领域

Dawn Lawrie, James Mayfield, Eugene Yang, Andrew Yates, Sean MacAvaney, Ronak Pradeep, Scott Miller, Paul McNamee, Luca Soldaini

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

AI总结 NeuCLIRTech是一个用于评估中文单语和跨语言信息检索技术的挑战性数据集，包含110个查询及35962个文档判断，提供强大的统计区分能力，支持神经检索系统与重排序算法的评估。

Comments 14 pages, 6 figures

LILaC: Late Interacting in Layered Component Graph for Open-domain Multimodal Multihop Retrieval

LILaC：基于分层组件图的开放域多模态多跳检索中的后期交互

Joohyung Yun, Doyup Lee, Wook-Shin Han

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

AI总结 LILaC通过分层组件图和后期交互子图检索方法，提升开放域多模态多跳检索的精度与效率。

Comments Project page: https://lilac-emnlp2025.github.io/

OMG-Agent: Toward Robust Missing Modality Generation with Decoupled Coarse-to-Fine Agentic Workflows

OMG-Agent：迈向鲁棒缺失模态生成的解耦粗到细代理工作流

Ruiting Dai, Zheyu Wang, Haoyu Yang, Yihan Liu, Chengzhi Wang, Zekun Zhang, Zishan Huang, Jiaman Cen, Lisi Mo

机构 * University of Electronic Science and Technology of China（电子科技大学） 纠错

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

AI总结 OMG-Agent通过解耦粗到细的代理工作流，有效解决多模态数据缺失问题，提升生成的鲁棒性和保真度。

RANKVIDEO: Reasoning Reranking for Text-to-Video Retrieval

RANKVIDEO: 文本到视频检索中的推理重排序

Tyler Skow, Alexander Martin, Benjamin Van Durme, Rama Chellappa, Reno Kriz

机构 * Johns Hopkins University（约翰霍普金斯大学） ； Human Language Technology Center of Excellence（人机语言技术卓越中心） 纠错

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

AI总结 RANKVIDEO通过基于视频内容的推理机制，提升了文本到视频检索的重排序性能，实验显示在nDCG@10上平均提升31%，优于现有方法。

Precision in Practice: Knowledge Guided Code Summarizing Grounded in Industrial Expectations

实践中的精确性：基于工业期望的知识引导代码摘要

Jintai Li, Songqiang Chen, Shuo Jin, Xiaoyuan Xie

机构 * School of Computer Science, Wuhan University, China（武汉大学计算机科学学院） ； Department of Computer Science and Engineering, The Hong Kong University of Science and Technology, China（香港科学与技术大学计算机科学与工程系） ； Department of Computer Science（计算机科学系） 纠错

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

AI总结 ExpSum 通过整合元数据抽象和领域知识检索，生成符合工业期望的代码摘要，显著提升摘要质量与实用性。

ILSIC: Corpora for Identifying Indian Legal Statutes from Queries by Laypeople

ILSIC：用于由非专业人士查询识别印度法律条文的语料库

Shounak Paul, Raghav Dogra, Pawan Goyal, Saptarshi Ghosh

机构 * Indian Institute of Technology, Kharagpur（印度理工学院，克拉格浦尔） 纠错

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

AI总结 ILSIC是一个包含500多条印度法律条文的非专业人士查询语料库，用于研究非专业人士与法院数据在法律条文识别任务中的差异。

Comments 9 Pages of Main, 1 page of Limitations and Ethics Statement, 11 Pages of Appendix, Accepted for Publication at EACL 2026 (Findings)

QUARK: Robust Retrieval under Non-Faithful Queries via Query-Anchored Aggregation

QUARK：通过查询锚定聚合实现非忠实查询下的稳健检索

Rita Qiuran Lyu, Michelle Manqiao Wang, Lei Shi

机构 * University of California, Berkeley（加州大学伯克利分校） ； Carnegie Mellon University（卡内基梅隆大学） ； Adobe Research（Adobe研究） 纠错

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

AI总结 QUARK通过建模查询不确定性与锚定聚合，提升非忠实查询下的检索鲁棒性与性能。

Comments 11 pages, 5 figures, 6 tables