RAG / 检索增强生成

Responsible AI for General-Purpose Systems: Overview, Challenges, and A Path Forward

通用系统责任AI：概述、挑战与前行之路

Gourab K Patro, Himanshi Agrawal, Himanshu Gharat, Supriya Panigrahi, Nim Sherpa, Vishal Vaddina, Dagnachew Birru

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

AI总结 本文探讨了通用AI系统在责任AI方面的挑战，并提出C2V2需求以指导未来系统的开发。

Multivector Reranking in the Era of Strong First-Stage Retrievers

多向量重排序在强式第一阶段检索器时代

Silvio Martinico, Franco Maria Nardini, Cosimo Rulli, Rossano Venturini

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

AI总结 本文提出了一种两阶段检索方法，通过替换token级收集阶段为单向量文档检索器，显著提升了检索效率，同时保持了高质量的检索效果。

Comments 17 pages, 2 figures, ECIR 2026

SpatCode: Rotary-based Unified Encoding Framework for Efficient Spatiotemporal Vector Retrieval

SpatCode: 基于旋转的统一编码框架用于高效的时空向量检索

Bingde Hu, Enhao Pan, Wanjing Zhou, Yang Gao, Zunlei Feng, Hao Zhong

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

AI总结 SpatCode提出一种基于旋转的统一编码框架，通过整合时间、空间和语义线索，实现高效的时空向量检索，提升检索准确性和效率。

GraphSearch: Agentic Search-Augmented Reasoning for Zero-Shot Graph Learning

GraphSearch: 基于代理的搜索增强推理用于零样本图学习

Jiajin Liu, Yuanfu Sun, Dongzhe Fan, Qiaoyu Tan

机构 * Department of Computer Science, New York University (Shanghai)（计算机科学系，纽约大学（上海）） 纠错

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

AI总结 GraphSearch通过图感知查询规划器和检索器实现零样本图学习，无需任务特定微调，提升图结构推理效率。

Comments 16 pages, 5 pages

AgriLens: Semantic Retrieval in Agricultural Texts Using Topic Modeling and Language Models

AgriLens：利用主题建模和语言模型进行农业文本的语义检索

Heba Shakeel, Tanvir Ahmad, Tanya Liyaqat, Chandni Saxena

机构 * 3 Dept. of Computer Science \& Applications, Sharda University, Greater Noida, Uttar Pradesh, India ； 4 The Chinese University of Hong Kong, Hong Kong SAR, China 纠错

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

AI总结 AgriLens通过主题建模和语言模型实现农业文本的可解释语义检索，提供零样本主题标注和高效检索能力。

Comments 8 Pages, 1st workshop on Democratizing GenAI and Scalable NLP with HiPC for Societal Impact; 32nd IEEE International Conference on High Performance Computing, Data, & Analytics

Overcoming the Retrieval Barrier: Indirect Prompt Injection in the Wild for LLM Systems

突破检索障碍：为LLM系统设计的野外间接提示注入

Hongyan Chang, Ergute Bao, Xinjian Luo, Ting Yu

专题命中 检索器与排序 ：RAG(abstract)；分类 cs.AI

AI总结 本研究提出了一种高效且低成本的黑盒攻击算法，通过分解恶意内容为触发片段和攻击片段，实现了对LLM系统的间接提示注入攻击，揭示了检索过程中存在的关键安全漏洞。

Graph-Guided Passage Retrieval for Author-Centric Structured Feedback

基于图的论文检索用于作者导向的结构化反馈

Maitreya Prafulla Chitale, Ketaki Mangesh Shetye, Harshit Gupta, Manav Chaudhary, Manish Shrivastava, Vasudeva Varma

机构 * IIIT Hyderabad（IIIT海得拉尔学院） ； Microsoft, India（微软公司） ； Sentisum（Sentisum公司） 纠错

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

AI总结 AutoRev通过基于图的检索增强生成框架，为作者提供结构化反馈，提升预提交阶段的高质量指导生成。

DQ-LoRe: Dual Queries with Low Rank Approximation Re-ranking for In-Context Learning

DQ-LoRe：双查询与低秩近似重排序用于上下文学习

Jing Xiong, Zixuan Li, Chuanyang Zheng, Zhijiang Guo, Yichun Yin, Enze Xie, Zhicheng Yang, Qingxing Cao, Haiming Wang, Xiongwei Han, Jing Tang, Chengming Li, Xiaodan Liang

机构 * Sun Yat-Sen University（中山大学） ； The Chinese University of Hong Kong（香港中文大学） ； Huawei Noah’s Ark Lab（华为诺亚实验室） ； The Hong Kong University of Science and Technology (Guangzhou)（香港科学与技术大学（广州）） ； MBZUAI ； The Hong Kong University of Science and Technology（香港科学与技术大学） ； Shenzhen MSU-BIT University（深圳MSU-BIT大学） ； DarkMatter AI Research（DarkMatter AI研究） 纠错

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

AI总结 DQ-LoRe通过双查询与低秩近似重排序方法提升GPT-4上下文学习性能，实现94.2%的性能提升。

Comments Accepted in ICLR 2024

Tool-MAD: A Multi-Agent Debate Framework for Fact Verification with Diverse Tool Augmentation and Adaptive Retrieval

Tool-MAD: 一种用于事实验证的多智能体辩论框架，具有多样化工具增强和自适应检索

Seyeon Jeong, Yeonjun Choi, JongWook Kim, Beakcheol Jang

机构 * Graduate School of Information, Yonsei University（Yonsei大学信息研究生院） ； Department of Computer Science, Sangmyung University（Sangmyung大学计算机科学系） 纠错

专题命中 检索器与排序 ：RAG(abstract)；分类 cs.CL

AI总结 Tool-MAD通过多智能体辩论框架结合多样化工具增强和自适应检索，提升事实验证的准确性和鲁棒性。

Unleashing the Potential of Neighbors: Diffusion-based Latent Neighbor Generation for Session-based Recommendation

释放邻居的潜力：基于扩散的潜在邻居生成用于基于会话的推荐

Yuhan Yang, Jie Zou, Guojia An, Jiwei Wei, Yang Yang, Heng Tao Shen

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

AI总结 DiffSBR通过基于扩散的潜在邻居生成方法，提升基于会话的推荐性能。

Comments This paper has been accepted by KDD 2026

MARVEL: A Multi Agent-based Research Validator and Enabler using Large Language Models

MARVEL：基于大语言模型的多智能体研究验证器与促进器

Nikhil Mukund, Yifang Luo, Fan Zhang, Lisa Barsotti, Erik Katsavounidis

机构 * MIT Kavli Institute for Astrophysics and Space Research and LIGO Laboratory（麻省理工学院凯斯利天文与空间研究所及LIGO实验室） ； Massachusetts Institute of Technology（麻省理工学院） ； State Key Laboratory of Ocean Sensing & Ocean College（海洋传感国家重点实验室） ； Zhejiang University（浙江大学） ； NSF AI Institute for Artificial Intelligence and Fundamental Interactions (IAIFI)（国家科学基金会人工智能与基本相互作用研究所） ； Cambridge, MA, USA（美国马萨诸塞州剑桥市） 纠错

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

AI总结 MARVEL通过结合快速查询路径和深度搜索模式，为科学领域提供可部署的验证器，其在探测器操作内容上显著优于GPT-4o基线。

Comments 18 pages, 7 figures

Think-on-Graph 3.0: Efficient and Adaptive LLM Reasoning on Heterogeneous Graphs via Multi-Agent Dual-Evolving Context Retrieval

Think-on-Graph 3.0: 通过多智能体双进化上下文检索实现高效自适应的异构图LLM推理

Xiaojun Wu, Cehao Yang, Xueyuan Lin, Chengjin Xu, Xuhui Jiang, Yuanliang Sun, Hui Xiong, Jia Li, Jian Guo

机构 * IDEA Research, International Digital Economy Academy（IDEA研究院，国际数字经济学院） ； The Hong Kong University of Science and Technology (Guangzhou)（香港科学与技术大学（广州）） ； DataArc Tech Ltd.（数据弧科技有限公司） ； Hithink RoyalFlush Information Network Co., Ltd（慧思皇家Flush信息网络有限公司） 纠错

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

AI总结 Think-on-Graph 3.0通过多智能体双进化上下文检索机制，实现高效自适应的异构图LLM推理，提升轻量级模型在复杂推理任务中的性能。

Comments add: reranker agent and experiments

Causal-Enhanced AI Agents for Medical Research Screening

因果增强的医疗研究筛查AI代理

Duc Ngo, Arya Rahgoza

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

AI总结 本文提出一种因果图增强的AI代理，用于医疗研究筛选，通过显式因果推理和双层知识图谱提升系统综述的准确性和可解释性。

Comments for submission to The 39th Canadian Conference on Artificial Intelligence

LiCoMemory: Lightweight and Cognitive Agentic Memory for Efficient Long-Term Reasoning

LiCoMemory: 轻量级和认知代理记忆用于高效的长期推理

Zhengjun Huang, Zhoujin Tian, Qintian Guo, Fangyuan Zhang, Yingli Zhou, Di Jiang, Zeying Xie, Xiaofang Zhou

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

AI总结 LiCoMemory通过轻量级分层图和时间感知检索提升长期对话推理效率和准确性

Can Large Language Models Solve Engineering Equations? A Systematic Comparison of Direct Prediction and Solver-Assisted Approaches

大型语言模型能解决工程方程吗？直接预测与求解器辅助方法的系统比较

Sai Varun Kodathala, Rakesh Vunnam

机构 * Research and Development Sports Vision, Inc.（Sports Vision公司研发部） ； Research and Development Vizworld, Inc.（Vizworld公司研发部） 纠错

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

AI总结 本文研究了大型语言模型在解决工程方程中的表现，发现求解器辅助方法在精度上显著优于直接预测，尤其在电子领域效果突出。

Comments 14 pages

All-in-one Graph-based Indexing for Hybrid Search on GPUs

面向GPU的混合搜索一体化图索引

Zhonggen Li, Yougen Li, Yifan Zhu, Congcong Ge, Zhaoqiang Chen, Yunjun Gao

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

AI总结 Allan-Poe通过GPU加速的一体化图索引实现高效的混合搜索，整合密集向量、稀疏向量和全文检索路径，提升查询准确性和吞吐量。

Improving Autoformalization Using Direct Dependency Retrieval

通过直接依赖检索改进自动形式化

Shaoqi Wang, Lu Yu, Siwei Lou, Feng Yan, Chunjie Yang, Qing Cui, Jun Zhou

机构 * Zhejiang University（浙江大学） ； Ant Group（蚂蚁集团） ； Hong Kong Polytechnic University（香港理工大学） 纠错

专题命中 检索器与排序 ：RAG(abstract)；分类 cs.AI

AI总结 本文提出DDR方法，通过直接依赖检索提升声明自动形式化的精确度和召回率，显著优于现有方法。

Advancing Generative Artificial Intelligence and Large Language Models for Demand Side Management with Internet of Electric Vehicles

推动生成式人工智能和大语言模型在电动汽车互联网中的需求侧管理

Hanwen Zhang, Ruichen Zhang, Wei Zhang, Dusit Niyato, Yonggang Wen, Chunyan Miao

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

AI总结 本文提出利用生成式人工智能和大语言模型优化电动汽车互联网中的需求侧管理，通过检索增强生成提升能源效率和用户适应性。

Comments 15 Pages

Soft Filtering: Guiding Zero-shot Composed Image Retrieval with Prescriptive and Proscriptive Constraints

软过滤：通过规劝性与禁止性约束指导零样本复合图像检索

Youjin Jung, Seongwoo Cho, Hyun-seok Min, Sungchul Choi

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

AI总结 本文提出SoFT方法，通过规劝性和禁止性约束提升零样本复合图像检索的准确性与鲁棒性。

Comments Accepted to AAAI 2026 Workshop on New Frontiers in Information Retrieval

Compressed Causal Reasoning: Quantization and GraphRAG Effects on Interventional and Counterfactual Accuracy

压缩因果推理：量化与图RAG对干预和反事实准确率的影响

Steve Nwaiwu, Nipat Jongsawat, Anucha Tungkasthan

机构 * School of Data and Information（数据与信息学院） ； Rajamangala University of Technology（拉贾穆angala技术大学） 纠错

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

AI总结 研究探讨量化与图结构增强对因果推理准确率的影响，发现四比特量化对因果推理具有鲁棒性，图结构增强可提升干预准确性，现有反事实基准需改进以捕捉更深层次因果脆弱性。

SweRank+: Multilingual, Multi-Turn Code Ranking for Software Issue Localization

SweRank+: 多语言、多轮次代码排名用于软件问题定位

Revanth Gangi Reddy, Ye Liu, Wenting Zhao, JaeHyeok Doo, Tarun Suresh, Daniel Lee, Caiming Xiong, Yingbo Zhou, Semih Yavuz, Shafiq Joty

机构 * University of Illinois at Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校） ； Salesforce AI Research（Salesforce AI研究院） ； KAIST AI（韩国科学技术院AI研究中心） 纠错

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

AI总结 SweRank+结合跨语言代码排名工具和代理搜索设置，实现多轮次的代码库推理，提升多语言软件问题定位的准确性和效率。

MemR$^3$: Memory Retrieval via Reflective Reasoning for LLM Agents

MemR$^3$: 通过反思推理实现LLM代理的记忆检索

Xingbo Du, Loka Li, Duzhen Zhang, Le Song

机构 * Mohamed bin Zayed University of Artificial Intelligence（穆罕默德·本·扎耶德人工智能大学） 纠错

专题命中 检索器与排序 ：RAG(abstract)；分类 cs.AI

AI总结 MemR$^3$通过反思推理实现LLM代理的记忆检索，提升检索准确性和闭环控制能力。

Comments 16 pages, 6 figures

Delta-KNN: Improving Demonstration Selection in In-Context Learning for Alzheimer's Disease Detection

Delta-KNN: 提高阿尔茨海默病检测中基于上下文学习的演示选择

Chuyuan Li, Raymond Li, Thalia S. Field, Giuseppe Carenini

机构 * Department of Computer Science（计算机科学系） ； Vancouver Stroke Program and Division of Neurology, Faculty of Medicine（温哥华卒中计划和神经病学系，医学院） ； The University of British Columbia（不列颠哥伦比亚大学） 纠错

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

AI总结 Delta-KNN通过Delta评分和KNN检索器提升基于上下文学习的阿尔茨海默病检测性能，实现新状态的最先进结果。

Journal ref In Proceedings of the 63rd Annual Meeting of the Association for Computational Linguistics (Volume 1: Long Papers). ACL 2025

DACE For Railway Acronym Disambiguation

DACE用于铁路缩写消歧

El Mokhtar Hribach, Oussama Mechhour, Mohammed Elmonstaser, Yassine El Boudouri, Othmane Kabal

机构 * Nantes University（南特大学） ； CIRAD（国际热带农业研究中心） ； Groupe SII（SII集团） ； Univ. Lille（里尔大学） 纠错

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

AI总结 DACE通过动态提示和集合聚合方法，有效提升铁路文档中缩写消歧的准确率，取得竞赛第一名。

Towards Explainable Conversational AI for Early Diagnosis with Large Language Models

迈向具有大语言模型的可解释对话AI用于早期诊断

Maliha Tabassum, M Shamim Kaiser

机构 * Department of Information and Communication Technology（信息与通信技术系） ； Bangladesh University of Professionals（孟加拉专业大学） ； Institute of Information Technology（信息技术研究所） ； Jahangirnagar University（贾汗吉尔纳瓦德大学） 纠错

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

AI总结 本研究提出基于大语言模型的可解释对话AI，用于提高早期诊断的透明性和互动性，实验显示其在诊断准确性上优于传统机器学习模型。

TCDE: Topic-Centric Dual Expansion of Queries and Documents with Large Language Models for Information Retrieval

基于大语言模型的查询与文档主题聚焦双扩展方法用于信息检索

Yu Yang, Feng Tian, Ping Chen

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

AI总结 TCDE通过大语言模型实现查询与文档的主题聚焦双扩展，提升信息检索的语义对齐效果。

LOOPRAG: Enhancing Loop Transformation Optimization with Retrieval-Augmented Large Language Models

LOOPRAG：通过检索增强的大语言模型增强循环变换优化

Yijie Zhi, Yayu Cao, Jianhua Dai, Xiaoyang Han, Jingwen Pu, Qingran Wu, Sheng Cheng, Ming Cai

机构 * Zhejiang University（浙江大学） ； Zhejiang Institute of Administration（浙江行政研究院） ； Beijing ShenZhou Aerospace Software Technology Ltd.（北京神舟航天软件技术有限公司） 纠错

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

AI总结 LOOPRAG通过检索增强大语言模型提升循环变换优化效率，实现代码生成的准确性和性能提升。

Comments Accepted to ASPLOS 2026

Entropy-Reservoir Bregman Projection: An Information-Geometric Unification of Model Collapse

熵-蓄水池Bregman投影：信息几何统一模型崩溃

Jingwei Chen

机构 * Independent Researcher（独立研究者） 纠错

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

AI总结 ERBP通过信息几何框架统一模型崩溃现象，提供熵流监控和预算的设计规则。

Learning to Retrieve with Weakened Labels: Robust Training under Label Noise

通过弱化标签学习进行检索：在标签噪声下鲁棒训练

Arnab Sharma

机构 * Heinz Nixdorf Institute（海因茨·尼克斯多夫研究所） ； Paderborn University（帕德博恩大学） 纠错

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

AI总结 本文提出通过弱化标签的方法来提高在存在标签噪声下的检索模型鲁棒性，通过允许多个可能的标签来改进检索任务性能。

Log Anomaly Detection with Large Language Models via Knowledge-Enriched Fusion

通过知识增强融合进行大规模语言模型的日志异常检测

Anfeng Peng, Ajesh Koyatan Chathoth, Stephen Lee

机构 * University of Pittsburgh（匹兹堡大学） ； Eaton Corporation（埃顿公司） 纠错

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

AI总结 EnrichLog通过知识增强融合技术，提升日志异常检测的准确性和可解释性，适用于实际系统部署。