Using LLMs and Essence to Support Software Practice Adoption
专题命中 图谱与结构化RAG :retrieval-augmented generation(abstract);RAG(abstract)
AI 大模型
检索增强生成、向量检索、知识库问答和面向大模型的搜索系统。
专题命中 图谱与结构化RAG :retrieval-augmented generation(abstract);RAG(abstract)
机构 * University of Texas at Arlington(德克萨斯理工大学) ; HRL Laboratories(HRL实验室)
专题命中 图谱与结构化RAG :retrieval-augmented generation(abstract);RAG(abstract)
Comments Workshop on AI for Data Editing (AI4DE) at KDD 2025
机构 * Computer Vision for Human-Computer Interaction Lab (cv:hci)(人机交互视觉实验室) ; Institute for Anthropomatics and Robotics (IAR)(人机学与机器人研究所) ; Karlsruhe Institute of Technology(卡尔斯鲁厄技术大学)
专题命中 图谱与结构化RAG :retrieval-augmented generation(abstract);RAG(abstract)
专题命中 图谱与结构化RAG :retrieval-augmented generation(abstract);RAG(abstract)
专题命中 图谱与结构化RAG :retrieval-augmented generation(abstract);RAG(abstract)
Comments 11 pages, 8 figures
专题命中 图谱与结构化RAG :retrieval-augmented generation(abstract);RAG(abstract)
Comments Paper accepted by DAC'25
机构 * Department of Electronic Engineering, Tsinghua University(清华大学电子工程系)
专题命中 图谱与结构化RAG :retrieval-augmented generation(abstract);RAG(abstract)
专题命中 图谱与结构化RAG :retrieval-augmented generation(abstract);RAG(abstract)
机构 * Shanghai Artificial Intelligence Laboratory(上海人工智能实验室) ; Shanghai Innovation Institute(上海创新研究院) ; Chinese University of Hong Kong(香港中文大学)
专题命中 图谱与结构化RAG :retrieval-augmented generation(abstract);分类 cs.IR、cs.CL、cs.AI
Comments ACL2025 demo track, 10 pages
专题命中 图谱与结构化RAG :RAG(abstract);分类 cs.IR、cs.CL、cs.AI
Comments 14 pages, 18 figures
机构 * MedicalAI Co., Ltd.(MedicalAI公司)
专题命中 图谱与结构化RAG :retrieval-augmented generation(abstract);RAG(abstract)
专题命中 图谱与结构化RAG :retrieval-augmented generation(abstract);分类 cs.IR、cs.CL、cs.AI
Comments This is a minor revision: fixed a typo in the abstract (time range) and corrected minor textual errors
专题命中 图谱与结构化RAG :retrieval augmented generation(abstract);RAG(abstract)
Comments 7 pages, 7 figures, 2 tables
专题命中 图谱与结构化RAG :retrieval-augmented generation(abstract);RAG(abstract)
专题命中 图谱与结构化RAG :retrieval-augmented generation(abstract);RAG(abstract)
专题命中 图谱与结构化RAG :retrieval-augmented generation(abstract);RAG(abstract)
专题命中 图谱与结构化RAG :retrieval-augmented generation(abstract);vector search(abstract)
专题命中 图谱与结构化RAG :RAG(abstract);分类 cs.IR、cs.CL、cs.AI
Comments Final version
Journal ref Journal of Mathematical & Computer Applications, 3 (2024) E121
专题命中 图谱与结构化RAG :RAG(abstract);knowledge retrieval(abstract)
Journal ref ICSE 2025
专题命中 图谱与结构化RAG :RAG(abstract);分类 cs.IR、cs.CL、cs.AI
Comments Accepted at the 5th ACM International Conference on AI in Finance (ICAIF '24)
专题命中 图谱与结构化RAG :retrieval-augmented generation(abstract);RAG(abstract)
专题命中 图谱与结构化RAG :retrieval-augmented generation(abstract);RAG(abstract)
专题命中 图谱与结构化RAG :RAG(abstract);分类 cs.IR、cs.CL、cs.AI
专题命中 图谱与结构化RAG :retrieval-augmented generation(abstract);分类 cs.IR、cs.AI、cs.DB
专题命中 图谱与结构化RAG :retrieval augmented generation(abstract);RAG(abstract)
Comments Submitted to ICASSP 2025
专题命中 图谱与结构化RAG :retrieval augmented generation(abstract);RAG(abstract)
Comments 10 pages, 17 figures
专题命中 图谱与结构化RAG :dense retrieval(abstract);分类 cs.IR、cs.CL、cs.AI
Comments 7 pages, 2 figures. Accepted to Proceedings of the Eighth Workshop on Noisy User-generated Text (W-NUT 2022). URL: https://aclanthology.org/2022.wnut-1.8
Journal ref Proceedings of the Eighth Workshop on Noisy User-generated Text (W-NUT 2022). pages 83-89
感知邻域的双生物医学实体链接
专题命中 图谱与结构化RAG :retriever(abstract);分类 cs.IR、cs.CL
AI总结 针对生物医学实体链接的挑战,提出三阶段框架PILOT,在五个基准上取得最优性能且推理高效。
跨文本、表格和知识图谱检测知识不一致性
机构 * EURECOM(欧洲电信学院)
专题命中 图谱与结构化RAG :retrieval-augmented generation(abstract);分类 cs.CL、cs.AI
AI总结 研究跨文本、表格和知识图谱的知识不一致性检测问题,提出\textsc{Kontrast}框架,通过文本到SPARQL和语言模型推理比较并分类不一致性,实验表明跨模态不一致性常见且有价值,为知识审计提供工具并建立基准。
MedKGent:用于构建随时间演变的医学知识图谱的大语言模型智能体框架
机构 * Mohamed bin Zayed University of Artificial Intelligence(莫扎德大学人工智能学院) ; University of Chinese Academy of Sciences(中国科学院大学) ; Kyoto University(京都大学) ; Tsinghua University(清华大学) ; East China Normal University(华东师范大学) ; Center for Excellence in Brain Science and Intelligence Technology(脑科学与智能技术卓越中心) ; Brigham and Women’s Hospital, Harvard Medical School(哈佛医学院布里特妇女医院) ; GenBio AI
专题命中 图谱与结构化RAG :retrieval-augmented generation(abstract);分类 cs.CL、cs.AI
AI总结 研究针对医学文献增长带来的知识结构化挑战,引入MedKGent框架,利用PubMed摘要通过两个智能体每日增量构建医学知识图谱,经评估其三元组有效性高,能显著改进大语言模型在医学问答基准上的检索增强生成。
Comments Accepted by Npj Digital Medicine