RAG / 检索增强生成

Embedding Inference Attack

嵌入推理攻击

Cedric Fitiavana Raelijohn, Sébastien Gambs, Jean-Francois Rajotte

机构 * Université du Québec à Montréal（魁北克大学蒙特利尔分校） 纠错

专题命中 向量检索 ：RAG(summary_cn,abstract)；retrieval-augmented generation(abstract)；分类 cs.IR

AI总结 研究黑盒信息检索系统中，攻击者仅通过观察检索文档集合即可推断嵌入模型类型的方法，并验证其在含重排序器和RAG系统中的有效性。

Comments 12 pages

Policy-aware Vector Search: A Vision for Fine Grained Access Control in Vector Databases

策略感知向量搜索：向量数据库中细粒度访问控制的愿景

Lakshmi Sahithi Yalamarthi, Primal Pappachan

机构 * Portland State University（波特兰州立大学） 纠错

专题命中 向量检索 ：vector search(title,abstract)；retrieval augmented generation(abstract)；分类 cs.AI、cs.DB

AI总结 本文提出策略感知向量搜索的愿景，形式化向量数据库中的细粒度访问控制（FGAC）策略模型与实施问题，比较不同实施策略并指出未来挑战。

Comments Accepted at SeQureDB 26, Sigmod 2026

From HNSW to Information-Theoretic Binarization: Rethinking the Architecture of Scalable Vector Search

从HNSW到信息论二值化：重新思考可扩展向量搜索的架构

Seyed Moein Abtahi, Majid Fekri, Tara Khani, Akramul Azim

专题命中 向量检索 ：vector search(title)；retrieval-augmented generation(abstract)；RAG(abstract)；分类 cs.IR、cs.DB

AI总结 本文提出基于信息论的二值化架构，通过最大信息二值化、高效位距度量和信息论评分机制，实现低延迟、高吞吐量的向量搜索，挑战传统大规模内存ANN索引的必要性。

Comments 16 Pages, 5 Figures, 3 Tables

Confident RAG: Enhancing the Performance of LLMs for Mathematics Question Answering through Multi-Embedding and Confidence Scoring

Confident RAG: 通过多嵌入和置信度评分提升LLM在数学问题回答中的性能

Shiting Chen, Zijian Zhao, Jinsong Chen

机构 * Faculty of Education, The University of Hong Kong（香港大学教育学院） ； Department of Civil and Environmental Engineering, The Hong Kong University of Science and Technology（香港科学与技术大学土木与环境工程系） 纠错

专题命中 向量检索 ：RAG(title,abstract)；retrieval-augmented generation(abstract)；分类 cs.CL、cs.AI

AI总结 Confident RAG通过多嵌入和置信度评分提升LLM在数学问题回答中的性能，实验表明其在准确率上比普通LLMs和RAG分别提升10%和5%。

Less Context, Same Performance: A RAG Framework for Resource-Efficient LLM-Based Clinical NLP

Satya Narayana Cheetirala, Ganesh Raut, Dhavalkumar Patel, Fabio Sanatana, Robert Freeman, Matthew A Levin, Girish N. Nadkarni, Omar Dawkins, Reba Miller, Randolph M. Steinhagen, Eyal Klang, Prem Timsina

机构 * Institute for Healthcare Delivery Science（医疗保健交付科学研究所） ； Department of Anesthesiology, Perioperative and Pain Medicine（麻醉学、围手术期医学和疼痛医学系） ； Hasso Plattner Institute for Digital Health（数字健康哈索·platzer研究所） ； Windreich Department of Artificial Intelligence and Human Health, Mount Sinai Medical Center, NY, USA（人工智能与人类健康威德里奇部门，辛辛那提医学中心，纽约，美国） ； Department of Surgery（外科系） ； Department of Surgery, Senior Quality Data Analyst – ISM（外科系，高级质量数据分析员 – ISM） ； Department of Surgery, Division of Quality and Patient Safety, All at Icahn School of Medicine at Mount Sinai, NY, USA（外科系，质量与患者安全分会，全部在辛辛那提医学院，纽约，美国） 纠错

专题命中 向量检索 ：RAG(title,abstract)；retrieval augmented generation(abstract)；分类 cs.CL、cs.AI

RAGViz: Diagnose and Visualize Retrieval-Augmented Generation

Tevin Wang, Jingyuan He, Chenyan Xiong

专题命中 向量检索 ：retrieval-augmented generation(title,abstract)；RAG(abstract)；分类 cs.CL、cs.AI

Characterizing the Dilemma of Performance and Index Size in Billion-Scale Vector Search and Breaking It with Second-Tier Memory

Rongxin Cheng, Yifan Peng, Xingda Wei, Hongrui Xie, Rong Chen, Sijie Shen, Haibo Chen

专题命中 向量检索 ：vector search(title,abstract)；RAG(abstract)；分类 cs.IR、cs.DB

An Approach for Embedding-Guided Function Reuse Detection in Embedded C Software

嵌入式C软件中嵌入引导的函数复用检测方法

A A Talha Talukder, Omar Alam, Akramul Azim

专题命中 向量检索 ：RAG(summary_cn,abstract)；retrieval-augmented generation(abstract)

AI总结 本文提出领域感知RAG流水线，结合8种模型与4种硬件兼容性验证器，检测嵌入式C软件函数复用，解决SonarQube高假阳性问题，验证器准确率达97.5%。

QASP: Query-Adaptive Robust Vector Search Policy

QASP：查询自适应鲁棒向量搜索策略

Hakan Ferhatosmanoglu, Kushal Kumar, Tal Wagner, Andy Warfield

专题命中 向量检索 ：vector search(title,abstract)；分类 cs.IR

AI总结 该研究针对向量搜索中固定参数导致的召回率方差及计算成本问题，提出QASP策略，通过前期回归预测召回曲线推导搜索策略，在99%召回率下减少80%数据访问，性能优异且可跨场景泛化。

Comments 12 pages, 6 figures, 6 tables, preprint

MonaVec: A Training-Free Embedded Vector Search Kernel for Edge and Offline AI Systems

MonaVec: 一种面向边缘和离线AI系统的免训练嵌入式向量搜索内核

Oğuzhan Yenen

专题命中 向量检索 ：vector search(title)；RAG(abstract,abstract_cn)；分类 cs.IR

AI总结 提出MonaVec，一种无需训练、数据无关的嵌入式向量搜索内核，通过随机哈达玛变换和预计算Lloyd-Max量化实现4位压缩，在边缘和离线场景下提供确定性结果，支持单文件部署。

Comments 27 pages, 11 figures. Code and artifacts: https://github.com/mona-hq/monavec (PyPI: monavec; crates.io: monavec-core). Zenodo: doi:10.5281/zenodo.20559587

Cracking Vector Search Indexes

破解向量搜索索引

Vasilis Mageirakos, Bowen Wu, Gustavo Alonso

专题命中 向量检索 ：vector search(title)；retrieval augmented generation(abstract)；RAG(abstract)；分类 cs.DB

AI总结 CrackIVF是一种自适应分区索引，通过逐步适应查询工作负载，实现比提前构建索引更快的初始化速度，适用于冷数据和未见数据集的高效检索。

Comments vldb camera ready update

Journal ref Proceedings of the VLDB Endowment 18 (2025) 3951-3964

V3DB: Audit-on-Demand Zero-Knowledge Proofs for Verifiable Vector Search over Committed Snapshots

V3DB：可审计的零知识证明用于验证的向量搜索 over 提交的快照

Zipeng Qiu, Wenjie Qu, Jiaheng Zhang, Binhang Yuan

专题命中 向量检索 ：vector search(title)；retrieval-augmented generation(abstract)；dense retrieval(abstract)；分类 cs.DB

AI总结 V3DB通过零知识证明实现可审计的向量搜索，确保在不可信服务提供商执行近邻搜索时的正确性验证。

FaTRQ: Tiered Residual Quantization for LLM Vector Search in Far-Memory-Aware ANNS Systems

FaTRQ：面向远内存感知的ANNS系统中的分层残差量化

Tianqi Zhang, Flavio Ponzina, Tajana Rosing

机构 * San Diego State University（圣地亚哥州立大学） 纠错

专题命中 向量检索 ：vector search(title)；retrieval-augmented generation(abstract)；RAG(abstract)；分类 cs.IR

AI总结 FaTRQ通过分层残差量化和自定义加速器，提升ANNS系统的存储效率和吞吐量。

Semantic Grounding Index: Geometric Bounds on Context Engagement in RAG Systems

语义 grounding 指数：RAG 系统中上下文参与的几何界限

Javier Marín

机构 * CERT 纠错

专题命中 向量检索 ：RAG(title,abstract)；retrieval-augmented generation(abstract)；分类 cs.AI

AI总结 本文提出语义 grounding 指数（SGI），通过几何角度分析 RAG 系统中响应与问题、上下文之间的关系，揭示幻觉响应在角度上接近问题而非上下文，验证了 SGI 在评估响应真实性中的有效性。

Trinity: Disaggregating Vector Search from Prefill-Decode Disaggregation in LLM Serving

Trinity: 从LLM服务中解耦向量搜索与预填解码解耦

Yi Liu, Chen Qian

专题命中 向量检索 ：vector search(title,abstract)；RAG(abstract)；分类 cs.DB

AI总结 Trinity通过整合向量搜索到单一GPU池，优化PD解耦LLM服务的检索效率，减少尾部延迟。

Quake: Adaptive Indexing for Vector Search

Jason Mohoney, Devesh Sarda, Mengze Tang, Shihabur Rahman Chowdhury, Anil Pacaci, Ihab F. Ilyas, Theodoros Rekatsinas, Shivaram Venkataraman

专题命中 向量检索 ：vector search(title,abstract)；retrieval-augmented generation(abstract)；分类 cs.IR

Driving-RAG: Driving Scenarios Embedding, Search, and RAG Applications

Cheng Chang, Jingwei Ge, Jiazhe Guo, Zelin Guo, Binghong Jiang, Li Li

专题命中 向量检索 ：RAG(title,abstract)；vector search(abstract)；分类 cs.AI

4bit-Quantization in Vector-Embedding for RAG

Taehee Jeong

专题命中 向量检索 ：RAG(title,abstract)；retrieval-augmented generation(abstract)；分类 cs.AI

Locally-Adaptive Quantization for Streaming Vector Search

Cecilia Aguerrebere, Mark Hildebrand, Ishwar Singh Bhati, Theodore Willke, Mariano Tepper

专题命中 向量检索 ：vector search(title,abstract)；retrieval-augmented generation(abstract)；分类 cs.IR

Anserini Gets Dense Retrieval: Integration of Lucene's HNSW Indexes

Xueguang Ma, Tommaso Teofili, Jimmy Lin

专题命中 向量检索 ：dense retrieval(title,abstract)；vector search(abstract)；分类 cs.IR

Learning Discrete Representations via Constrained Clustering for Effective and Efficient Dense Retrieval

Jingtao Zhan, Jiaxin Mao, Yiqun Liu, Jiafeng Guo, Min Zhang, Shaoping Ma

专题命中 向量检索 ：dense retrieval(title,abstract)；vector search(abstract)；分类 cs.IR

Comments WSDM 2022

An In-Depth Study of Filter-Agnostic Vector Search on a PostgreSQL Database System: [Experiments and Analysis]

对PostgreSQL数据库系统中滤波无关向量搜索的深入研究：[实验与分析]

Duo Lu, Helena Caminal, Manos Chatzakis, Yannis Papakonstantinou, Yannis Chronis, Vaibhav Jain, Fatma Özcan

机构 * Brown University Providence Rhode Island USA ； Google Sunnyvale California USA ； Google San Diego California USA ； ETH Zurich \& Google Zurich Switzerland ； Google Bangalore India ； Brown University ； Google ； ETH Zurich \& Google 纠错

专题命中 向量检索 ：vector search(title,abstract)；分类 cs.IR、cs.AI、cs.DB

AI总结 本文研究滤波无关向量搜索在生产级PostgreSQL系统中的性能，发现距离计算成本并非唯一决定因素，系统级开销和过滤操作影响更大，指出图算法在实际中表现不如聚类索引。

Comments 26 pages, 13 figures, to be published at SIGMOD 2026

RAE: A Neural Network Dimensionality Reduction Method for Nearest Neighbors Preservation in Vector Search

Han Zhang, Dongfang Zhao

机构 * University of Washington（华盛顿大学） 纠错

专题命中 向量检索 ：vector search(title)；retrieval-augmented generation(abstract)；分类 cs.IR、cs.AI、cs.DB

Comments submitted to ICLR 2026

QAEA-DR: A Unified Text Augmentation Framework for Dense Retrieval

Hongming Tan, Shaoxiong Zhan, Hai Lin, Hai-Tao Zheng, Wai Kin Chan

专题命中 向量检索 ：dense retrieval(title,abstract)；分类 cs.IR、cs.CL、cs.AI

Zero-Shot Dense Retrieval with Embeddings from Relevance Feedback

Nour Jedidi, Yung-Sung Chuang, Leslie Shing, James Glass

专题命中 向量检索 ：dense retrieval(title,abstract)；分类 cs.IR、cs.CL、cs.AI

Tabular Embedding Model (TEM): Finetuning Embedding Models For Tabular RAG Applications

Sujit Khanna, Shishir Subedi

专题命中 向量检索 ：RAG(title,abstract)；分类 cs.IR、cs.CL、cs.AI

Comments 11 pages, 5 figures

Toward Efficient and Scalable Design of In-Memory Graph-Based Vector Search

Ilias Azizi, Karima Echihab, Themis Palpanas, Vassilis Christophides

专题命中 向量检索 ：vector search(title,abstract)；分类 cs.IR、cs.DB

Comments Presented at ICML 2025 VecDB Workshop; an extended version appeared in ACM SIGMOD 2025 ('Graph-Based Vector Search: An Experimental Evaluation of the State-of-the-Art')

Ghost Echoes: Semantic Erasure Failure in Retrieval-Backed Applications

幽灵回声：检索支持型应用中的语义擦除失效

Allan Mukkuzhi, Noella Uwayisenga, Yeabsira Bizualem, Jacob Kammerzell, Chandranil Chakraborttii

专题命中 向量检索 ：RAG(summary_cn,abstract)；分类 cs.DB

AI总结 研究发现向量数据库API可见删除无法实现完整语义擦除，提出Ghost Echoes框架证实已删记录会扰动RAG检索上下文，ChromaDB和FAISS实验显示存在可测漂移，需开发作用于检索拓扑的擦除原语。

Comments 17 pages, 4 figures, 2 tables. Preprint. Under submission at the SHIELD Workshop (ECML PKDD 2026)

SINDI: An Efficient Index for Sparse Vector Approximate Maximum Inner Product Search

SINDI：一种高效的近似最大内积搜索索引

Ruoxuan Li, Xiaoyao Zhong, Jiabao Jin, Peng Cheng, Wangze Ni, Zhitao Shen, Wei Jia, Xiangyu Wang, Heng Tao Shen, Jingkuan Song

专题命中 向量检索 ：RAG(abstract,abstract_cn)；retrieval-augmented generation(abstract)；vector search(abstract)；分类 cs.DB

AI总结 SINDI通过高效内积计算、内存友好设计和向量修剪，提升了稀疏向量近似最大内积搜索的效率和性能。

Comments 18 pages, accepted by ICDE 2026. Due to submission limitation for ICDE 2026 (i.e., maximum 6 submissions per author), Lei Chen and Xuemin Lin are not included as authors

From Embedding Geometry to Spectral Search: Energy Dispersion Networks For Vector Retrieval

从嵌入几何到谱搜索：面向向量检索的能量色散网络

Lorenzo Moriondo, Ilias Azizi

专题命中 向量检索 ：RAG(abstract,abstract_cn)；retrieval-augmented generation(abstract)；vector search(abstract)；分类 cs.IR

AI总结 提出图布线框架，利用特征空间谱结构改进向量检索，通过谱索引和τ调制实现几何与谱信息的融合，提升头尾一致性和语义对齐。