RAG / 检索增强生成

GraphAide: Advanced Graph-Assisted Query and Reasoning System

Sumit Purohit, George Chin, Patrick S Mackey, Joseph A Cottam

专题命中 图谱与结构化RAG ：retrieval augmented generation(abstract)；RAG(abstract)；分类 cs.AI、cs.DB

Can Language Models Enable In-Context Database?

Yu Pan, Hongfeng Yu, Tianjiao Zhao, Jianxin Sun

专题命中 图谱与结构化RAG ：retrieval augmented generation(abstract)；RAG(abstract)；分类 cs.AI、cs.DB

Knowledge in Triples for LLMs: Enhancing Table QA Accuracy with Semantic Extraction

Hossein Sholehrasa, Sanaz Saki Norouzi, Pascal Hitzler, Majid Jaberi-Douraki

专题命中 图谱与结构化RAG ：retrieval-augmented generation(abstract)；RAG(abstract)；分类 cs.IR、cs.CL

Comments We are withdrawing this paper to address foundational aspects that are critical for ensuring its accuracy and integrity before any potential resubmission

StructRAG: Boosting Knowledge Intensive Reasoning of LLMs via Inference-time Hybrid Information Structurization

Zhuoqun Li, Xuanang Chen, Haiyang Yu, Hongyu Lin, Yaojie Lu, Qiaoyu Tang, Fei Huang, Xianpei Han, Le Sun, Yongbin Li

专题命中 图谱与结构化RAG ：retrieval-augmented generation(abstract)；RAG(abstract)；分类 cs.CL、cs.AI

KRAG Framework for Enhancing LLMs in the Legal Domain

Nguyen Ha Thanh, Ken Satoh

专题命中 图谱与结构化RAG ：retrieval augmented generation(abstract)；RAG(abstract)；分类 cs.CL、cs.AI

Comments Presented at NeLaMKRR@KR, 2024 (arXiv:2410.05339)

KAG: Boosting LLMs in Professional Domains via Knowledge Augmented Generation

Lei Liang, Mengshu Sun, Zhengke Gui, Zhongshu Zhu, Zhouyu Jiang, Ling Zhong, Yuan Qu, Peilong Zhao, Zhongpu Bo, Jin Yang, Huaidong Xiong, Lin Yuan, Jun Xu, Zaoyang Wang, Zhiqiang Zhang, Wen Zhang, Huajun Chen, Wenguang Chen, Jun Zhou

专题命中 图谱与结构化RAG ：retrieval-augmented generation(abstract)；RAG(abstract)；分类 cs.CL、cs.AI

Comments 33 pages

Column Vocabulary Association (CVA): semantic interpretation of dataless tables

Margherita Martorana, Xueli Pan, Benno Kruit, Tobias Kuhn, Jacco van Ossenbruggen

专题命中 图谱与结构化RAG ：retrieval augmented generation(abstract)；RAG(abstract)；分类 cs.CL、cs.AI

ShizishanGPT: An Agricultural Large Language Model Integrating Tools and Resources

Shuting Yang, Zehui Liu, Wolfgang Mayer

专题命中 图谱与结构化RAG ：retrieval augmented generation(abstract)；RAG(abstract)；分类 cs.CL、cs.AI

Comments 15 pages,3 figures, WISE2024

Text2SQL is Not Enough: Unifying AI and Databases with TAG

Asim Biswal, Liana Patel, Siddarth Jha, Amog Kamsetty, Shu Liu, Joseph E. Gonzalez, Carlos Guestrin, Matei Zaharia

专题命中 图谱与结构化RAG ：retrieval-augmented generation(abstract)；RAG(abstract)；分类 cs.AI、cs.DB

Xinyu: An Efficient LLM-based System for Commentary Generation

Yiquan Wu, Bo Tang, Chenyang Xi, Yu Yu, Pengyu Wang, Yifei Liu, Kun Kuang, Haiying Deng, Zhiyu Li, Feiyu Xiong, Jie Hu, Peng Cheng, Zhonghao Wang, Yi Wang, Yi Luo, Mingchuan Yang

专题命中 图谱与结构化RAG ：retrieval augmented generation(abstract)；RAG(abstract)；分类 cs.CL、cs.AI

Large Language Models Struggle in Token-Level Clinical Named Entity Recognition

Qiuhao Lu, Rui Li, Andrew Wen, Jinlian Wang, Liwei Wang, Hongfang Liu

专题命中 图谱与结构化RAG ：retrieval-augmented generation(abstract)；RAG(abstract)；分类 cs.CL、cs.AI

Comments AMIA 2024 Annual Symposium Proceedings

Document-level Clinical Entity and Relation Extraction via Knowledge Base-Guided Generation

Kriti Bhattarai, Inez Y. Oh, Zachary B. Abrams, Albert M. Lai

专题命中 图谱与结构化RAG ：retrieval augmented generation(abstract)；RAG(abstract)；分类 cs.CL、cs.AI

Comments Accepted at Association for Computational Linguistics BioNLP 2024

UniOQA: A Unified Framework for Knowledge Graph Question Answering with Large Language Models

Zhuoyang Li, Liran Deng, Hui Liu, Qiaoqiao Liu, Junzhao Du

专题命中 图谱与结构化RAG ：retrieval-augmented generation(abstract)；RAG(abstract)；分类 cs.CL、cs.AI

Comments 10 pages, 5 figures

Clustered Retrieved Augmented Generation (CRAG)

Simon Akesson, Frances A. Santos

专题命中 图谱与结构化RAG ：retrieval augmented generation(abstract)；RAG(abstract)；分类 cs.CL、cs.AI

DFIN-SQL: Integrating Focused Schema with DIN-SQL for Superior Accuracy in Large-Scale Databases

Shai Volvovsky, Marco Marcassa, Mustafa Panbiharwala

专题命中 图谱与结构化RAG ：retrieval-augmented generation(abstract)；RAG(abstract)；分类 cs.AI、cs.DB

ESGReveal: An LLM-based approach for extracting structured data from ESG reports

Yi Zou, Mengying Shi, Zhongjie Chen, Zhu Deng, ZongXiong Lei, Zihan Zeng, Shiming Yang, HongXiang Tong, Lei Xiao, Wenwen Zhou

专题命中 图谱与结构化RAG ：retrieval augmented generation(abstract)；RAG(abstract)；分类 cs.IR、cs.CL

Simple Entity-Centric Questions Challenge Dense Retrievers

Christopher Sciavolino, Zexuan Zhong, Jinhyuk Lee, Danqi Chen

专题命中 图谱与结构化RAG ：retriever(abstract)；dense retrieval(abstract)；分类 cs.IR、cs.CL

Comments EMNLP 2021. The code and data is publicly available at https://github.com/princeton-nlp/EntityQuestions

VoiceAgentRAG: Solving the RAG Latency Bottleneck in Real-Time Voice Agents Using Dual-Agent Architectures

VoiceAgentRAG: 通过双代理架构解决实时语音代理中RAG的延迟瓶颈

Jielin Qiu, Jianguo Zhang, Zixiang Chen, Liangwei Yang, Ming Zhu, Juntao Tan, Haolin Chen, Wenting Zhao, Rithesh Murthy, Roshan Ram, Akshara Prabhakar, Shelby Heinecke, Caiming Xiong, Silvio Savarese, Huan Wang

机构 * Salesforce AI Research（Salesforce人工智能研究） 纠错

专题命中 图谱与结构化RAG ：RAG(title)

AI总结 VoiceAgentRAG通过双代理架构实现实时语音代理中RAG的延迟优化，利用预加载缓存提升检索效率。

MARS: Multi-Specialist LLM Relay System for Competitive Programming

MARS：用于竞赛编程的多专家大语言模型中继系统

Andrei Mikhailov, Mikhail Burtsev, Alsu Sagirova

机构 * MIRAI ； London Institute for Mathematical Sciences（伦敦数学科学研究院） ； AXXX 纠错

专题命中 图谱与结构化RAG ：retrieval-augmented generation(abstract)；RAG(abstract_cn)；分类 cs.AI

AI总结 MARS是用于竞赛编程的多专家LLM中继框架，通过检索选择算法领域专家组成流水线，在CodeContests测试集上以更低成本和方差达到0.624±0.006的通过率，缩小了与CodeSIM的差距。

Comments 13 pages, 8 figures, EMNLP 2026

Doc-V*:Coarse-to-Fine Interactive Visual Reasoning for Multi-Page Document VQA

Doc-V*：多页文档视觉问答中的粗到细交互推理

Yuanlei Zheng, Pei Fu, Hang Li, Ziyang Wang, Yuyi Zhang, Wenyu Ruan, Xiaojin Zhang, Zhongyu Wei, Zhenbo Luo, Jian Luan, Wei Chen, Xiang Bai

机构 * School of Software Engineering, Huazhong University of Science and Technology（华中科技大学软件工程学院） ； MiLM Plus, Xiaomi Inc.（小米公司MiLM Plus团队） ； School of Computer Science and Technology, Huazhong University of Science and Technology（华中科技大学计算机科学与技术学院） ； School of Data Science, Fudan University（复旦大学数据科学学院） 纠错

专题命中 图谱与结构化RAG ：RAG(abstract,abstract_cn)；分类 cs.CL

AI总结 Doc-V*提出一种无OCR的智能框架，通过序列证据聚合解决多页文档VQA问题，结合语义检索和目标页面获取，提升回答准确性和证据收集效率，在五个基准测试中优于开源基线，提升领域外性能达47.9%。

Comments Accepted by Association for Computational Linguistics (ACL)

Beyond Thresholds: A Quality-Aware Decision Intelligence Framework for Cold Chain IoT Systems

Aashna Sofat, Balwinder Sodhi

机构 * IIT Ropar（印度理工学院罗帕尔分校） 纠错

专题命中 图谱与结构化RAG ：retrieval-augmented generation(abstract)；RAG(abstract)；分类 cs.AI

Taxonomy-Driven Analysis of Open-Source AI Risk Mitigation Tools

分类驱动的开源AI风险缓解工具分析

Afreen Alam, Evgenija Popchanovska, Ana Gjorgjevikj, Maryan Rizinski, Lubomir T. Chitkushev, Irena Vodenska, Dimitar Trajanov

专题命中 图谱与结构化RAG ：retrieval-augmented generation(abstract)；RAG(abstract_cn)；分类 cs.AI

AI总结 本研究提出分类驱动的协议，将21种开源AI风险缓解工具映射到MIT分类法，发现工具在治理等领域存在缺口，为企业AI风险缓解提供实用框架。

Profile-Graph Memory for LLM Agents: Implicit Cross-Entity Traversal through Narrative Profiles

用于大语言模型智能体的概要图内存：通过叙事概要进行隐式跨实体遍历

Shengtong Zhu

专题命中 图谱与结构化RAG ：RAG(abstract,abstract_cn)；分类 cs.AI

AI总结 研究针对大语言模型智能体长期记忆中多跳关联未被充分测量的问题，提出了MemHop基准和ProGraph两层内存架构，通过概要扩展与压缩残差实现跨实体遍历，提升了多跳推理及精确召回能力，在多个基准测试中表现优异并开源相关实现。

Comments 11 pages, 2 figures, 7 tables. Code and MemHop benchmark: https://github.com/ShengtongZhu/ProGraph

Cache-Aware Prompt Compression:A Two-Tier Cost Model for LLM API Caching

缓存感知提示压缩：用于大语言模型API缓存的双层成本模型

Yan Song

机构 * PayPal Inc.（贝宝公司） 纠错

专题命中 图谱与结构化RAG ：RAG(abstract,abstract_cn)；分类 cs.AI

AI总结 研究大语言模型API缓存成本，发现现有方法不足。提出缓存感知提示压缩（CAPC），结合查询无关压缩与缓存控制。经实验验证，CAPC在多种配置下成本最低，在生产工作负载中表现出色，验证了交叉模型负投资回报率预测。

Comments 28

All Relations Lead to Rome: Automated Knowledge Graph Creation and Question Generation

所有关系通向罗马：自动化知识图谱构建与问题生成

Matthijs Jansen op de Haar, Tobias Stähle, Lorenzo Gatti

专题命中 图谱与结构化RAG ：dense retrieval(abstract)；hybrid retrieval(abstract)；分类 cs.IR

AI总结 提出ARLtR框架，联合构建知识图谱、嵌入和基于事实的问答对，实现符号图与稠密检索的统一表示，并以罗马帝国历史数据集验证。

Comments 10 pages, 5 figures, version one

DEEPMED Search: An Open-Source Agentic Platform for Medical Deep Research with Introspective Verification

DEEPMED Search: 一个具有内省验证功能的开源医学深度研究智能体平台

Maolin Liu, Fanyu Xu, Ruoqing Xu, Jiahang Zhang, Hao Wang, Rui Wang

机构 * School of Computer Science and Software Engineering, Shanghai University（上海大学计算机科学与软件工程学院） ； Department of Computer Science and Engineering, Shanghai Jiao Tong University（上海交通大学计算机科学与工程系） 纠错

专题命中 图谱与结构化RAG ：RAG(abstract,abstract_cn)；分类 cs.AI

AI总结 提出一个开源智能体平台DEEPMED Search，通过源自适应路由和内省验证模块，自动分解复杂医学查询并生成结构化报告，解决异构医疗数据检索中的推理漂移问题。

Comments 5 pages, 2 figures, 2 tables. Accepted to IJCAI-ECAI 2026 Demo Track. Project website: https://www.deepmedsearch.cloud. Demo video: https://youtu.be/4U4aok8yLpk

Retrieval-Warmed Energy-Based Reasoning: A Five-Arm Ablation Methodology for Diffusion-as-Inference on Structured Reasoning Tasks

检索预热能量基推理：结构化推理任务上扩散即推断的五臂消融方法

Libo Sun, Po-Wei Harn, Zewei Zhang, Peixiong He, Xiao Qin

机构 * Department of Computer Science and Software Engineering, Auburn University（奥本大学计算机科学与软件工程系） ； Department of Information Management, National Central University（国立中央大学信息管理系） 纠错

专题命中 图谱与结构化RAG ：RAG(abstract,abstract_cn)；分类 cs.AI

AI总结 提出五臂消融方法（oracle、best-constant、per-query-random、shuffled、aligned）分离检索预热能量基推理中的三种混淆效应，在连通性-2任务上发现逐图对齐主导性能提升，而在数独任务上关键质量成为瓶颈。

Comments 8 Pages, 6 Figures

Predicate Importance Estimation and Decoupled Rationale-Score Distillation for Entity Alignment

谓词重要性估计与解耦理由-分数蒸馏用于实体对齐

Keunha Kim, Yoonjin Jang, Hyeon-gu Lee, Sihyung Kim, Youngjoong Ko

机构 * SungKyunKwan University（成均馆大学） ； NAVER 纠错

专题命中 图谱与结构化RAG ：RAG(abstract,abstract_cn)；分类 cs.CL

AI总结 提出谓词重要性估计和解耦理由-分数蒸馏两个模块，通过谓词感知嵌入和蒸馏小语言模型提升知识图谱实体对齐性能，并利用分数与理由的不一致实现人机协同验证。

Comments 12 pages, 10 figures

AgentRiskBOM: A Risk-Scoping Security Bill of Materials for Agentic AI Systems

AgentRiskBOM：面向智能体AI系统的风险范围安全物料清单

Srimonti Dutta, Akshata Kishore Moharir

机构 * WAI USA Research Labs（WAI美国研究实验室） ； WAI USA（WAI美国） 纠错

专题命中 图谱与结构化RAG ：RAG(abstract,abstract_cn)；分类 cs.AI

AI总结 提出AgentRiskBOM，一种扩展SBOM/AIBOM/MLBOM的安全物料清单，通过添加运行时权限字段（自主性、工具权限、内存、凭证范围等）来填补智能体AI系统的能力透明度缺口，并在13个开源智能体上验证其覆盖率和检测能力。

Comments Accepted at IEEE International Conference on Cybersecurity and AI-Based Systems (Cyber-AI 2026)

DecoSearch: Complexity-Aware Routing and Plan-Level Repair for Text-to-SQL

DecoSearch: 面向Text-to-SQL的复杂度感知路由与计划级修复

Esteban Schafir, Xu Zheng, Hojat Allah Salehi, Zhuomin Chen, Mo Sha, Wei Cheng, Dongsheng Luo

机构 * Florida International University（佛罗里达国际大学） ； NEC-Labs（NEC实验室） ； Singapore Management University（新加坡管理大学） 纠错

专题命中 图谱与结构化RAG ：RAG(abstract,abstract_cn)；分类 cs.AI

AI总结 提出DecoSearch框架，通过复杂度感知路由将查询分配给直接生成或DAG分解，并结合拓扑精炼器修复执行失败，在BIRD和Spider上取得高准确率且显著降低token消耗。