RAG / 检索增强生成

RASR: Retrieval-Augmented Super Resolution for Practical Reference-based Image Restoration

RASR: 面向实际参考图像复原的检索增强超分辨率

Jiaqi Yan, Shuning Xu, Xiangyu Chen, Dell Zhang, Jiantao Zhou, Jie Tang, Gangshan Wu, Jie Liu

机构 * State Key Laboratory for Novel Software Technology, Nanjing University（新型软件技术国家重点实验室，南京大学） ； Institute of Artificial Intelligence (TeleAI), China Telecom（人工智能研究院（TeleAI），中国电信） ； State Key Laboratory of Internet of Things for Smart City（物联网智慧城市国家重点实验室） ； Department of Computer Science and Information Science, University of Macau（澳门大学计算机科学与信息科学系） 纠错

专题命中 检索器与排序 ：retriever(abstract)

AI总结 提出检索增强超分辨率（RASR）范式，通过自动检索参考图像实现实际场景下的参考超分辨率，并构建基准数据集RASR-Flickr30及基线模型RASRNet。

Comments Accepted at ISCAS 2026

MatClaw: An Autonomous Code-First LLM Agent for End-to-End Materials Exploration

MatClaw: 一种用于端到端材料探索的自主代码优先LLM代理

Chenmu Zhang, Boris I. Yakobson

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

AI总结 提出MatClaw，一种代码优先的LLM代理，通过直接编写和执行Python代码、结合四层记忆架构和检索增强生成，实现多代码工作流在远程HPC集群上的自主运行，并在铁电CuInP2S6的三个端到端演示中验证了其可靠性，同时通过文献自学习和专家约束弥合隐性领域知识差距。

How Helpful is LLM Assistance in Network Operations? A Case Study at a Large Demonstration Network

在大型演示网络中，大语言模型在网络操作中的帮助性如何？一个案例研究

Ryo Nakamura, Koshi Eguchi

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

AI总结 本文通过一项实证研究，探讨了大语言模型在构建和操作网络中的帮助性，研究发现68.1%的评估为积极反馈，表明大语言模型在网络操作中的帮助性基线，并强调了理解聊天机器人能力的重要性。

CMAG: Concept-Scaffolded Retrieval for Marketplace Avatar Generation

CMAG：基于概念的市场人像生成检索

Rajeev Goel, Jason Ding, Phani Harish Wajjala, Pavan Turaga, Tejaswi Gowda, Krishna C. Garikipati

机构 * Arizona State University（亚利桑那州立大学） ； Roblox Corporation（Roblox公司） 纠错

专题命中 检索器与排序 ：retriever(abstract)

AI总结 本文提出CMAG框架，通过概念引导的检索和验证组合方法，解决市场人像生成中因文本模糊、元数据噪声和部件不一致导致的检索问题，提升生成人像的拓扑一致性和组合正确性。

Comments Accepted to CVPR 2026 Workshop (GRAIL-V)

A Retrieval-Enhanced Transformer for Multi-Step Port-of-Call Sequence Prediction in Global Liner Shipping

一种增强检索的变压器用于全球集装箱航运多步骤港口序列预测

Yanzhao Su, Fang He, Yineng Wang

机构 * Department of Industrial Engineering, Tsinghua University（清华大学工业工程系） ； Department of Logistics and Maritime Studies, The Hong Kong Polytechnic University（香港理工大学物流与海运研究系） 纠错

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

AI总结 本文提出CCRE框架，通过检索增强的历史编码器和Transformer轨迹编码器，提升多步骤港口序列预测的准确性和稳定性，实验结果显示其在第一目的地和三步预测上的准确率显著高于基线模型。

PCASim: Promptable Closed-loop Adversarial Simulation for Urban Traffic Environment

PCASim：可提示的闭环对抗模拟用于城市交通环境

Chuancheng Zhang, Zhenhao Wang, Kaizheng Li, Yaran Lin, Qiang Guo, Bin Jiang

机构 * Shenzhen Research Institute of Shandong University（山东大学深圳研究院） ； School of Airspace Science and Engineering（空天科学与工程学院） ； School of Computer Science and Technology（计算机科学与技术学院） 纠错

专题命中 检索器与排序 ：knowledge retrieval(abstract)

AI总结 本文提出PCASim框架，通过结合对抗场景生成与安全代理训练，提升城市交通环境中的安全性和鲁棒性，实验表明其在领域特定语言生成准确率、场景转换成功率和避障能力方面均有显著提升。

Does Engram Do Memory Retrieval in Autoregressive Image Generation?

Engram是否在自回归图像生成中执行记忆检索？

Jinghao Wang, Qiyuan He, Chunbin Gu, Pheng-Ann Heng

机构 * The Chinese University of Hong Kong（香港中文大学） ； National University of Singapore（新加坡国立大学） 纠错

专题命中 检索器与排序 ：retriever(abstract)

AI总结 研究探讨Engram模块在自回归图像生成中的作用，发现其虽节省计算量但未提升样本质量，且模块行为更像一个带门控的架构旁路而非内容寻址检索器。

Comments 9 pages

SLQ: Bridging Modalities via Shared Latent Queries for Retrieval with Frozen MLLMs

SLQ：通过共享潜在查询桥接模态以实现冻结MLLMs的检索

Haoran Lou, Ziyan Liu, Chunxiao Fan, Yuexin Wu, Yue Ming, Hao Wu, Kai Zuo, Yibo Chen, Xu Tang

机构 * School of Electronic Engineering, Beijing University of Posts（北京邮电大学电子工程学院） ； Xiaohongshu Inc., China（小红书公司） 纠错

专题命中 检索器与排序 ：dense retrieval(abstract)

AI总结 SLQ通过冻结MLLMs的主干，引入共享潜在查询提升多模态检索性能，实验显示其在多个基准上表现优异。

Comments Accepted to ICML-2026

GRAPE: Let GRPO Supervise Query Rewriting by Ranking for Retrieval

GRAPE：通过检索排名监督查询重写

Zhaohua Zhang, Jianhuan Zhuo, Muxi Chen, Chenchen Zhao, Wenyu Jiang, Tianwen Jiang, Mingyang Chen, Yutang, Qiuyong Xiao, Jihong Zhang, Zhixun Su

机构 * Dalian University of Technology, Dalian, China（大连理工大学） ； Tencent HunYuan Data, Shenzhen, China（腾讯混元数据） 纠错

专题命中 检索器与排序 ：retriever(abstract)

AI总结 GRAPE通过组相对策略优化提升检索排名，改进多语言、长文本和多模态查询的检索性能，平均提升Recall@10 4.9%。

Text-to-CAD Retrieval: a Strong Baseline

基于文本的CAD检索：一个强大的基线

Honghu Pan, Zibo Du, Daxiang Liu, Chengliang Liu, Xiaoling Luo

机构 * School of Artificial Intelligence and Robotics, Hunan University（湖南大学人工智能与机器人学院） ； College of Computer Science and Software Engineer, Shenzhen University（深圳大学计算机科学与软件工程学院） ； Faculty of Science and Technology, University of Macau（澳门大学科学与技术学院） 纠错

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

AI总结 本文提出文本到CAD检索任务，通过多模态嵌入框架实现CAD模型的语义检索，为下游CAD生成奠定基础。

FlashRT: Towards Computationally and Memory Efficient Red-Teaming for Prompt Injection and Knowledge Corruption

FlashRT: 向计算和内存高效方向发展用于提示注入和知识腐败的红队测试

Yanting Wang, Chenlong Yin, Ying Chen, Jinyuan Jia

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

AI总结 本文提出FlashRT框架，通过提升计算和内存效率，优化长上下文LLM的提示注入和知识腐败攻击，实现2-7倍的加速和2-4倍的内存节省，为系统评估长上下文LLM的安全性提供工具。

Comments The code is available at https://github.com/Wang-Yanting/FlashRT

CacheFlow: Efficient LLM Serving with 3D-Parallel KV Cache Restoration

CacheFlow: 高效的大语言模型服务中的3D并行KV缓存恢复

Sean Nian, Jiahao Fang, Qilong Feng, Zhiyu Wu, Fan Lai

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

AI总结 本文提出CacheFlow框架，通过3D并行抽象优化KV缓存恢复，减少TTFT时间，提升大语言模型服务效率。

Comments 11 pages, 10 figures

Personalizing Causal Audio-Driven Facial Motion via Dynamic Multi-modal Retrieval

通过动态多模态检索个性化因果音频驱动面部运动

Xuangeng Chu, Yu Han, Wei Mao, Shih-En Wei

机构 * The University of Tokyo, Codec Avatars Lab, Meta（东京大学，Codec Avatars实验室，Meta） ； Codec Avatars Lab, Meta（Codec Avatars实验室，Meta） 纠错

专题命中 检索器与排序 ：retriever(abstract)

AI总结 本文提出一种端到端的因果框架，通过动态多模态风格检索实现个性化因果面部运动生成，解决实时流媒体与高保真个性化之间的矛盾，提升低延迟并利用无结构风格参考。

AsmRAG: LLM-Driven Malware Detection by Retrieving Functionally Similar Assembly Code

AsmRAG：通过检索功能相似的汇编代码实现LLM驱动的恶意软件检测

ElMouatez Billah Karbab

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

AI总结 本文提出AsmRAG框架，利用LLM分析汇编代码，通过语义检索提升恶意软件检测的可解释性与鲁棒性，实验表明其在检测和家族归因任务中达到96%和95%的F1分数。

LARA: Validation-Driven Agentic Supercomputer Workflows for Atomistic Modeling

LARA：面向原子模拟的验证驱动代理超级计算机工作流

William Dawson, Louis Beal, Yoann Curé, Giuseppe Fisicaro, Dorian Rolland, Luigi Genovese

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

AI总结 本文提出LARA-HPC框架，通过验证驱动方法提升原子模拟工作流的可靠性，结合控制执行层、干运行验证和多阶段代理流程，有效解决计算资源交互中的不一致性和物理配置问题。

Comments 12 pages, 2 figures

Chain-of-Memory: Lightweight Memory Construction with Dynamic Evolution for LLM Agents

链式记忆：轻量级记忆构建与动态演化用于大语言模型代理

Xiucheng Xu, Bingbing Xu, Xueyun Tian, Zihe Huang, Rongxin Chen, Yunfan Li, Huawei Shen

机构 * State Key Laboratory of AI Safety（人工智能安全国家重点实验室） ； Institute of Computing Technology, Chinese Academy of Sciences（中国科学院计算技术研究所） ； University of Chinese Academy of Sciences（中国科学院大学） 纠错

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

AI总结 本文提出CoM框架，通过轻量级记忆构建与动态演化机制，提升LLM代理的持久知识维护与长周期决策能力，实验显示在LongMemEval和LoCoMo基准上准确率提升7.5%-10.4%，计算开销降低2.7%-6.0%。

A Cloud-Native Architecture for Human-in-Control LLM-Assisted OpenSearch in Investigative Settings

面向调查场景的云原生架构：人类控制的LLM辅助OpenSearch

Benjamin Puhani, Kai Brehmer, Malte Prieß

专题命中 检索器与排序 ：hybrid retrieval(abstract)

AI总结 本文提出一种云原生微服务架构，用于在私有云环境中处理复杂犯罪调查中的非结构化证据和语言与技术搜索逻辑间的语义鸿沟，通过整合大语言模型实现自然语言查询到OpenSearch领域特定语言的转换，结合BM25和语义向量嵌入进行混合检索，建立系统基础架构以支持未来评估。

Journal ref Proceedings of the 17th International Conference on Cloud Computing, GRIDs, and Virtualization (CLOUD COMPUTING 2026), p. 62-65, Lisbon, Portugal, April 2026

KnowPilot: Your Knowledge-Driven Copilot for Domain Tasks

KnowPilot: 你的知识驱动型领域任务助手

Zekun Xi, Yichen Nie, Ziyan Jiang, Yujie Bao, Zhenqian Xu, Zhisong Qiu, Ziwen Xu, Shumin Deng

专题命中 检索器与排序 ：knowledge retrieval(abstract)

AI总结 KnowPilot通过整合领域先验知识、显式知识和经验知识，提升生成代理在专业应用中的性能，实现领域文本生成的高效与精准。

Across Programming Language Silos: A Study on Cross-Lingual Retrieval-augmented Code Generation

跨越编程语言壁垒：关于跨语言检索增强型代码生成的研讨

Qiming Zhu, Jialun Cao, Xuanang Chen, Weili Zhang, Yaojie Lu, Hongyu Lin, Xianpei Han, Le Sun, Shing-Chi Cheung

专题命中 检索器与排序 ：retriever(abstract)

AI总结 本文研究了跨语言检索增强型代码生成中的知识转移，通过构建13种编程语言的14000个实例数据集，发现跨语言知识转移非 trivial，且依赖语言亲和力和预训练语料多样性。

Comments ACL 2026 Findings

Prompt-Driven Code Summarization: A Systematic Literature Review

基于提示的代码摘要：系统文献综述

Afia Farjana, Zaiyu Cheng, Antonio Mastropaolo

机构 * William & Mary（威廉玛丽学院） 纠错

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

AI总结 本文综述了基于提示的代码摘要方法，分析了不同提示策略的有效性及评估挑战，旨在为未来研究和实际应用提供指导。

Comments 42 pages, 9 figures, 10 tables. Systematic Literature Review. This work is currently under review at ACM TOSEM

ROSE: Retrieval-Oriented Segmentation Enhancement

ROSE：基于检索的分割增强

Song Tang, Guangquan Jie, Henghui Ding, Yu-Gang Jiang

机构 * Fudan University（复旦大学） 纠错

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

AI总结 本文提出ROSE框架，通过引入网络检索模块和提示增强模块，提升多模态大语言模型在新兴实体和新实体分割任务中的性能，实验表明其在NEST基准上表现优异。

Comments CVPR 2026 Findings, Project Page: https://henghuiding.com/ROSE/

ASTRA: Enhancing Multi-Subject Generation with Retrieval-Augmented Pose Guidance and Disentangled Position Embedding

ASTRA：通过检索增强的姿势引导和解纠缠位置嵌入增强多主体生成

Tianze Xia, Zijian Ning, Zonglin Zhao, Mingjia Wang

机构 * Huazhong University of Science and Technology（华中科技大学） 纠错

专题命中 检索器与排序 ：RAG(abstract)

AI总结 ASTRA通过检索增强的姿势引导和解纠缠位置嵌入，解决多主体生成中身份与姿势结构的分离问题，提升姿态一致性和身份保真度。

Human-AI Collaboration for Scaling Agile Regression Testing: An Agentic-AI Teammate from Manual to Automated Testing

人类与AI协作扩大敏捷回归测试：从手动到自动化测试的智能体AI队友

Moustapha El Outmani, Manthan Venkataramana Shenoy, Ahmad Hatahet, Andreas Rausch, Tim Niklas Kniep, Thomas Raddatz, Benjamin King

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

AI总结 本文探讨了通过智能体AI系统生成系统级回归测试脚本，提升自动化测试效率，并强调持续的人机协作对敏捷测试的重要性。

Comments Accepted at the XP 2026 Workshop on Human-AI Collaboration in Agile Teams. To appear in proceedings

SLM Finetuning for Natural Language to Domain Specific Code Generation in Production

为生产环境中的自然语言到领域特定代码生成进行SLM微调

Renjini R. Nair, Damian K. Kowalczyk, Marco Gaudesi, Chhaya Methani

专题命中 检索器与排序 ：retrieval augmented generation(abstract)

AI总结 本文研究了通过微调小型语言模型提升自然语言到领域代码生成的性能与效率，展示了在生产环境中优于大模型的延迟和成本效益。

Comments 11 pages (including appendix), 5 tables, 1 figure. Submitted to arXiv as a preprint

MultiMend: Multilingual Program Repair with Context Augmentation and Multi-Hunk Patch Generation

MultiMend: 多语言程序修复与上下文增强及多补丁补丁生成

Reza Gharibi, Mohammad Hadi Sadreddini, Seyed Mostafa Fakhrahmad

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

AI总结 MultiMend通过上下文增强和多补丁生成技术，提升多语言程序修复效率，修复了2227个bug，其中1545个与开发者补丁一致，121个为多补丁bug。

Journal ref Autom Softw Eng 33, 69 (2026)

AutoUE: Automated Generation of 3D Games in Unreal Engine via Multi-Agent Systems

AutoUE：通过多智能体系统自动化生成Unreal引擎中的3D游戏

Lei Yin, Wentao Cheng, Zhida Qin, Tianyu Huang, Yidong Li, Gangyi Ding

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

AI总结 本文提出AutoUE系统，通过多智能体协同实现3D游戏的端到端生成，涵盖模型检索、场景生成、代码合成及自动化测试，验证了其有效性。

Comments Accepted as a ACL'26 Findings full paper

Optimizing LLM Prompt Engineering with DSPy Based Declarative Learning

基于DSPy的声明式学习优化大语言模型提示工程

Shiek Ruksana, Sailesh Kiran Kurra, Thipparthi Sanjay Baradwaj

机构 * Vasavi College of Engineering（瓦萨维工程学院） ； Amazon（亚马逊） ； Texas（德克萨斯州） 纠错

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

AI总结 本文提出基于DSPy的声明式学习方法，通过符号规划、无梯度优化和自动模块重写提升提示优化的可靠性、效率和泛化能力，实验显示事实准确率提升30-45%，幻觉率降低25%。

Comments Best paper Award ,IEEE International Conference on Emerging Smart Computing and Informatics (ESCI) Pune, India. Mar 11-13, 2026

From UI to Code: Mobile Ads Detection via LLM-Unified Static-Dynamic Analysis

从UI到代码：通过LLM统一的静态-动态分析进行移动广告检测

Shang Ma, Wei Cheng, Yanfang Ye, Xusheng Xiao

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

AI总结 本文提出ADWISE框架，通过结合静态分析和LLM引导的UI结构、应用语义及检索类比，有效检测移动广告。实验表明，ADWISE在广告widget检测上优于现有方法25.60%，并发现更多广告违规情况。

SASAV: Self-Directed Agent for Scientific Analysis and Visualization

SASAV：面向科学分析和可视化的自主代理

Jianxin Sun, David Lenz, Tom Peterka, Hongfeng Yu

专题命中 检索器与排序 ：knowledge retrieval(abstract)

AI总结 本文提出SASAV，首个无需外部提示或人类在环反馈的自主AI代理，可自动执行科学数据分析并生成有洞察力的可视化，推动AI for Science加速大规模科学发现。

What Are Adversaries Doing? Automating Tactics, Techniques, and Procedures Extraction: A Systematic Review

对手在做什么？自动化战术、技术和程序提取：系统综述

Mahzabin Tamanna, Shaswata Mitra, Md Erfan, Ahmed Ryan, Sudip Mittal, Laurie Williams, Md Rayhanur Rahman

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

AI总结 本文系统分析了80篇研究，探讨了从非结构化文本中提取攻击TTPs的方法、数据源、模型和评估，揭示了技术分类为主流，而战术分类和搜索研究不足，且存在单标签分类、评估有限等问题。