RAG / 检索增强生成

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。

DOne: Decoupling Structure and Rendering for High-Fidelity Design-to-Code Generation

DOne：解耦结构与渲染以实现高保真设计到代码生成

Xinhao Huang, Jinke Yu, Wenhao Xu, Zeyi Wen, Ying Zhou, Junzhuo Liu, Junhao Ji, Zulong Chen

机构 * HKUST (Guangzhou)（香港科技大学（广州）） ； Alibaba Group（阿里巴巴集团） ； HKUST（香港科技大学） ； University of Electronic Science（电子科技大学） ； Zhejiang Lab（之江实验室） 纠错

专题命中 检索器与排序 ：retriever(abstract)

AI总结 DOne通过解耦结构理解与元素渲染，提升设计到代码生成的高保真度，通过布局分割模块、混合元素检索器和模式引导生成范式，克服了现有方法在结构与细节协调上的不足。

A Visionary Look at Vibe Researching

对Vibe研究的前瞻性展望

Yebo Feng, Yang Liu

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

AI总结 本文探讨了Vibe研究范式，结合人类指导与AI代理，提出多智能体架构、记忆、工具使用等方法，分析其技术限制与社会影响，为负责任的采用提供路线图。

Is One Token All It Takes? Graph Pooling Tokens for LLM-based GraphQA

一个token足够吗？基于LLM的图QA的图池化token

Ankit Grover, Lodovico Giaretta, Rémi Bourgerie, Sarunas Girdzijauskas

专题命中 检索器与排序 ：retriever(abstract)

AI总结 本文提出通过多token池化和全局注意力机制改进图与LLM的接口，通过实验表明LoRA可稳定特定层次投影，使压缩表示在WebQSP上达到73%的Hit@1，揭示图QA基准存在表示饱和问题。

Comments Accepted at LREC, KG-LLM Workshop 2026

Auto-Slides: An Interactive Multi-Agent System for Creating and Customizing Research Presentations

Auto-Slides：一个用于创建和定制研究演示的交互式多智能体系统

Yuheng Yang, Wenjia Jiang, Yang Wang, Yi Song, Yiwei Wang, Chi Zhang

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

AI总结 本文提出Auto-Slides系统，利用大语言模型将学术论文转化为结构化的多模态幻灯片，通过交互式编辑器实现个性化学习，提升学习者对复杂概念的理解与参与度。

Comments Project Homepage: https://auto-slides.github.io/

Can AI Scientist Agents Learn from Lab-in-the-Loop Feedback? Evidence from Iterative Perturbation Discovery

AI科学家代理能否从循环实验室反馈中学习？来自迭代扰动发现的证据

Gilles Wainrib, Barbara Bodinier, Haitem Dakhli, Josep Monserrat, Almudena Espin Perez, Sabrina Carpentier, Roberta Codato, John Klein

机构 * Owkin Inc（Owkin公司） 纠错

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

AI总结 本文通过800次独立重复实验，比较了基于LLM的代理在循环扰动发现中利用反馈与零样本基线的性能差异，发现反馈能显著提升发现效率，且模型能力提升后效果更显著。

Toward Reliable Scientific Visualization Pipeline Construction with Structure-Aware Retrieval-Augmented LLMs

迈向可靠科学可视化管道构建的结构感知检索增强型大语言模型

Guanghui Zhao, Zhe Wang, Yu Dong, Guan Li, GuiHua Shan

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

AI总结 本文提出结构感知检索增强型大语言模型，用于生成可执行的科学可视化管道，通过提供 vtk.js 代码示例提高模块选择和执行顺序的准确性，降低人工修正成本。

CLAR: CIF-Localized Alignment for Retrieval-Augmented Speech LLM-Based Contextual ASR

CLAR：基于检索增强的语音大语言模型的上下文语音识别中的CIF局部对齐

Shangkun Huang, Huan Shen, Wei Zou, Yunzhang Chen

机构 * BRVoice Team, Bairong, Inc., China（BRVoice团队，百融云创，中国） 纠错

专题命中 检索器与排序 ：retriever(abstract)

AI总结 CLAR通过CIF学习单调性token级对齐，提升语音识别中专有名词和长尾词的识别效果，减少表示稀释和注意力漂移，提高检索准确率。

Comments Submitted to Interspeech 2026

When More Retrieval Hurts: Retrieval-Augmented Code Review Generation

更多检索反而有害：基于检索的代码审查生成

Qianru Meng, Xiao Zhang, Zhaochen Ren, Joost Visser

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

AI总结 本文提出RARe框架，通过检索历史审查作为上下文示例提升代码审查生成质量，实验表明仅使用top-1检索效果最佳，过多检索反而导致性能下降。

Captain Safari: A World Engine with Pose-Aligned 3D Memory

Captain Safari: 一种具有姿态对齐3D记忆的世界引擎

Yu-Cheng Chou, Xingrui Wang, Yitong Li, Jiahao Wang, Hanting Liu, Cihang Xie, Alan Yuille, Junfei Xiao

机构 * Johns Hopkins University（约翰霍普金斯大学） ； Tsinghua University（清华大学） ； UC Santa Cruz（加州大学圣克ruz分校） 纠错

专题命中 检索器与排序 ：retriever(abstract)

AI总结 本文提出Captain Safari，一种基于姿态条件的世界引擎，通过持久化世界记忆生成视频，提升了复杂场景下的3D一致性与轨迹跟踪能力，优于现有方法。

On-device Semantic Selection Made Low Latency and Memory Efficient with Monolithic Forwarding

在设备上实现语义选择：通过单体转发实现低延迟和内存高效

Jiahao Zhou, Chengliang Lin, Dingji Li, Mingkai Dong, Haibo Chen

机构 * Shanghai Jiao Tong University（上海交通大学） ； Huawei（华为） 纠错

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

AI总结 本文提出PRISM系统，通过单体转发实现低延迟和内存高效的语义top-K选择，减少延迟和内存使用，提升设备AI应用的效率和部署性。

InferDPT: Privacy-Preserving Inference for Closed-box Large Language Model

InferDPT：闭箱大语言模型的隐私保护推断

Meng Tong, Kejiang Chen, Jie Zhang, Yuang Qi, Weiming Zhang, Nenghai Yu, Tianwei Zhang, Zhikun Zhang

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

AI总结 本文提出InferDPT框架，通过差分隐私机制实现闭箱大语言模型的隐私保护推断，结合扰动模块和提取模块，提升文本生成质量并抵御嵌入式修订攻击。

Beyond the Embedding Bottleneck: Adaptive Retrieval-Augmented 3D CT Report Generation

突破嵌入瓶颈：适应性检索增强的3D CT报告生成

Renjie Liang, Yiling Ma, Yang Xing, Zhengkang Fan, Jinqian Pan, Chengkun Sun, Li Li, Kuang Gong, Jie Xu

机构 * University of Florida（佛罗里达大学） ； Yale University（耶鲁大学） ； University of Southern California（南加州大学） 纠错

专题命中 检索器与排序 ：RAG(abstract)

AI总结 本文提出AdaRAG-CT框架，通过引入补充文本信息缓解3D CT视觉表示瓶颈，提升CT-RATE基准的临床效果。

QiboAgent: a practitioner's guideline to open source assistants for Quantum Computing code development

QiboAgent：量子计算代码开发开源助手的实践指南

Lorenzo Esposito, Andrea Papaluca, Stefano Carrazza

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

AI总结 本文提出QiboAgent，通过轻量级开源大语言模型与定制工作流架构，提升量子计算中间件代码生成的准确性和自动化能力，实现90.2%的高精度代码生成。

Comments 13 pages, 9 figures, 1 table. Source code and deployment instructions are publicly available at https://github.com/qiboteam/qiboagent

PRISM: Enhancing Protein Inverse Folding through Fine-Grained Retrieval on Structure-Sequence Multimodal Representations

PRISM：通过结构-序列多模态表示的细粒度检索增强蛋白质反向折叠

Sazan Mahbub, Souvik Kundu, Eric P. Xing

机构 * Carnegie Mellon University（卡内基梅隆大学） ； GenBio AI（基因组生物人工智能） ； Intel（英特尔） 纠错

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

AI总结 PRISM通过结构-序列多模态表示的细粒度检索提升蛋白质反向折叠性能，结合混合自交叉注意力解码器，实现更高效的序列生成与折叠预测。

Comments Published as a conference paper at International Conference on Learning Representation (ICLR) 2026

Learning Hierarchical Knowledge in Text-Rich Networks with Taxonomy-Informed Representation Learning

在文本丰富网络中学习层次化知识：基于分类学的表示学习

Yunhui Liu, Yongchao Liu, Yinfeng Chen, Chuntao Hong, Tao Zheng, Tieke He

机构 * State Key Laboratory for Novel Software Technology（新型软件技术国家重点实验室） ； Nanjing University（南京大学） ； Ant Group（蚂蚁集团） 纠错

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

AI总结 TIER通过构建隐含层次分类学并整合到节点表示中，提升文本丰富网络的层次化知识学习能力，实现更可解释的结构化建模。

Comments Accepted by KDD 2026. Extended version coming soon

LeJOT-AutoML: LLM-Driven Feature Engineering for Job Execution Time Prediction in Databricks Cost Optimization

LeJOT-AutoML：基于LLM的特征工程用于Databricks成本优化中的作业执行时间预测

Lizhi Ma, Yi-Xiang Hu, Yihui Ren, Feng Wu, Xiang-Yang Li

机构 * University of Science and Technology of China（中国科学技术大学） ； Lenovo（联想） 纠错

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

AI总结 LeJOT-AutoML利用LLM驱动的AutoML框架，通过动态生成特征提升Databricks作业执行时间预测的准确性，从而实现成本优化。

Evaluating Multi-Agent LLM Architectures for Rare Disease Diagnosis

评估多智能体LLM架构在罕见病诊断中的表现

Ahmed Almasoud

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

AI总结 本研究评估了多智能体LLM架构在罕见病诊断中的表现，发现分层结构略优于其他拓扑，而对抗模型性能显著下降，支持动态拓扑选择的重要性。

TopoEdge: Topology-Grounded Agentic Framework for Edge Networking Code Generation and Repair

TopoEdge：基于拓扑的代理框架用于边缘网络代码生成与修复

Haomin Qi, Bohan Liu, Zihan Dai, Yunkai Gao

机构 * University of California San Diego（加州大学圣地亚哥分校） ； The Chinese University of Hong Kong（香港中文大学） ； University of Copenhagen（哥本哈根大学） ； Duke University（杜克大学） 纠错

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

AI总结 TopoEdge通过拓扑引导的检索增强生成框架，实现边缘网络配置的生成与修复，利用图神经网络和三个专门化代理协调生成-验证-修复循环。

Comments 6 pages, 4 figures, 3 tables

Journal ref IEEE Wireless Communications and Networking Conference (WCNC) 2026

ContextPilot: Fast Long-Context Inference via Context Reuse

ContextPilot: 通过上下文重用实现快速长上下文推断

Yinsicheng Jiang, Yeqi Huang, Liang Cheng, Cheng Deng, Xuan Sun, Luo Mai

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

AI总结 ContextPilot通过引入上下文重用机制，显著提升长上下文推断效率，减少延迟并保持推理质量。

Multi-CoLoR: Context-Aware Localization and Reasoning across Multi-Language Codebases

多语言代码库中的上下文感知定位与推理：Multi-CoLoR

Indira Vats, Sanjukta De, Subhayan Roy, Saurabh Bodhe, Lejin Varghese, Max Kiehn, Yonas Bedasso, Marsha Chechik

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

AI总结 Multi-CoLoR通过结合组织知识检索与图推理，提升多语言代码库中的定位准确性与效率。

Comments This paper has been accepted for publication at the 33rd IEEE International Conference on Software Analysis, Evolution and Reengineering (SANER 2026)

Retrieval-Augmented Foundation Models for Matched Molecular Pair Transformations to Recapitulate Medicinal Chemistry Intuition

基于检索增强的基础模型进行匹配分子对变换以重现药物化学直觉

Bo Pan, Peter Zhiping Zhang, Hao-Wei Pang, Alex Zhu, Xiang Yu, Liying Zhang, Liang Zhao

机构 * Department of Computer Science, Emory University（计算机科学系，埃默里大学） ； Merck & Co., Inc.（默克公司） 纠错

专题命中 检索器与排序 ：RAG(abstract)

AI总结 本文提出MMPT-RAG框架，通过检索增强的方法生成多样化的分子变换，提升药物化学中的可控性和新颖性。