RAG / 检索增强生成

PDF Retrieval Augmented Question Answering

PDF检索增强型问答

Thi Thu Uyen Hoang, Meenakshi Rajendran, Kun Zhang, Yuhan Wu, Viet Anh Nguyen

机构 * Saarland University（萨尔兰大学） 纠错

专题命中 检索器与排序 ：retrieval augmented generation(abstract)；RAG(abstract)；分类 cs.CL

AI总结 本文提出基于检索增强生成框架的PDF多模态问答系统，通过整合非文本元素提升复杂查询的准确性与相关性。

Retrieval Augmented Time Series Forecasting

检索增强的时间序列预测

Kutay Tire, Ege Onur Taga, Muhammed Emrullah Ildiz, Samet Oymak

机构 * University of Texas at Austin（德克萨斯大学奥斯汀分校） ； University of Michigan, Ann Arbor（密歇根大学安娜堡分校） 纠错

专题命中 检索器与排序 ：retrieval-augmented generation(abstract)；RAG(abstract)；分类 cs.AI

AI总结 本文提出检索增强预测框架RAF，用于提升时间序列预测的准确性，尤其在大规模模型中效果更显著。

MemMachine: A Ground-Truth-Preserving Memory System for Personalized AI Agents

MemMachine：一种保持事实真实性的记忆系统用于个性化AI代理

Shu Wang, Edwin Yu, Oscar Love, Tom Zhang, Tom Wong, Steve Scargall, Charles Fan

机构 * MemVerge, Inc.（MemVerge公司） 纠错

专题命中 检索器与排序 ：retrieval-augmented generation(abstract)；RAG(abstract)；分类 cs.AI

AI总结 MemMachine是一种开源记忆系统，通过整合短期、长期事件和用户档案记忆，实现事实真实性保护，提升多会话交互的准确性和效率。

Comments 18 pages, 16 tables, 3 figures

An AI Teaching Assistant for Motion Picture Engineering

为电影工程专业设计的AI助教

Deirdre O'Regan, Anil C. Kokaram

机构 * Trinity College Dublin（都柏林圣三一大学） 纠错

专题命中 检索器与排序 ：retrieval augmented generation(abstract)；RAG(abstract)；分类 cs.AI

AI总结 本文介绍基于RAG技术的AI助教在电影工程硕士课程中的应用，通过实验证明其在教学环境中的有效性，并展示学生反馈和评估结果。

Comments Accepted for publication in IEEE Signal Processing Magazine

Beyond Retrieval: Modeling Confidence Decay and Deterministic Agentic Platforms in Generative Engine Optimization

超越检索：在生成引擎优化中建模置信度衰减与确定性代理平台

XinYu Zhao, ChengYou Li, XiangBao Meng, Kai Zhang, XiaoDong Liu

机构 * National University of Singapore（新加坡国立大学） ； Yishu Research（艺树研究） ； Fukuoka Institute of Technology（福冈工业大学） 纠错

专题命中 检索器与排序 ：retrieval-augmented generation(abstract)；RAG(abstract)；分类 cs.AI

AI总结 本文提出通过确定性多代理意图路由替代传统检索增强生成方法，建模置信度衰减并构建代理信任经纪生态系统，实验证明显著降低垂直任务幻觉率。

AICCE: AI Driven Compliance Checker Engine

AICCE：基于人工智能的合规检查引擎

Mohammad Wali Ur Rahman, Martin Manuel Lopez, Lamia Tasnim Mim, Carter Farthing, Julius Battle, Kathryn Buckley, Salim Hariri

机构 * University of Arizona（亚利桑那大学） ； Avirtek, Inc.（Avirtek公司） ； Joint Interoperability Test Command (JITC), United States Department of Defense（美国国防部联合互操作性测试司令部） 纠错

专题命中 检索器与排序 ：retrieval-augmented generation(abstract)；RAG(abstract)；分类 cs.AI

AI总结 本文提出AICCE，一种结合双架构推理与检索增强生成的新型生成系统，用于自动化IPv6合规性验证，通过语义编码提升检测精度，实现99%的准确率和F1分数。

Comments Accepted for publication in IEEE Transactions on Artificial Intelligence

RAGnaroX: A Secure, Local-Hosted ChatOps Assistant Using Small Language Models

RAGnaroX：一种使用小型语言模型的安全、本地托管的ChatOps助手

Benedikt Dornauer, Mircea-Cristian Racasan

机构 * University of Innsbruck（因斯布鲁克大学） ； c.c.com Moser GmbH（c.c.com Moser有限公司） 纠错

专题命中 检索器与排序 ：RAG(abstract)；hybrid retrieval(abstract)；分类 cs.AI

AI总结 RAGnaroX是一种基于本地硬件的高效ChatOps助手，采用Rust实现，提供可审计的本地解决方案，通过模块化数据摄入、混合检索和函数调用实现灵活安全的部署。

Gaussian mixture models as a proxy for interacting language models

高斯混合模型作为交互语言模型的代理

Edward L. Wang, Mohammad Sharifi Kiasari, Tianyu Wang, Hayden Helm, Avanti Athreya, Carey Priebe, Vince Lyzinski

机构 * Helivan Research 纠错

专题命中 检索器与排序 ：retrieval-augmented generation(abstract)；RAG(abstract)；分类 cs.CL

AI总结 本文提出交互高斯混合模型作为交互语言模型的代理，通过构建具有类RAG更新机制的模型，展示其在低计算成本下模拟交互语言模型的反馈过程，并提供理论分析。

Improving MPI Error Detection and Repair with Large Language Models and Bug References

利用大语言模型和Bug参考改进MPI错误检测与修复

Scott Piersall, Yang Gao, Shenyang Liu, Liqiang Wang

机构 * Dept. of Computer Science, University of Central Florida（中佛罗里达大学计算机科学系） 纠错

专题命中 检索器与排序 ：retrieval augmented generation(abstract)；RAG(abstract)；分类 cs.AI

AI总结 本文提出结合Few-Shot Learning、Chain-of-Thought和Retrieval Augmented Generation技术，提升大语言模型在MPI错误检测与修复中的准确性，实验结果显示错误检测准确率从44%提升至77%。

Comments 41 pages, 8 figures

Journal ref Journal of Parallel and Distributed Computing, Volume 213, 2026, 105255, ISSN 0743-7315

AstraAI: LLMs, Retrieval, and AST-Guided Assistance for HPC Codebases

AstraAI：基于LLM、检索与AST引导的HPC代码库辅助系统

Mahesh Natarajan, Xiaoye Li, Weiqun Zhang

专题命中 检索器与排序 ：retrieval-augmented generation(abstract)；RAG(abstract)；分类 cs.AI

AI总结 AstraAI通过整合LLM、RAG和AST分析，实现对复杂科学代码库的上下文感知代码生成，支持HPC环境中的代码修改与结构保持。

Comments 10 pages, 5 figures

Facet-Level Persona Control by Trait-Activated Routing with Contrastive SAE for Role-Playing LLMs

通过对比稀疏自编码器的特质激活路由实现面向级人格控制

Wenqiu Tang, Zhen Wan, Takahiro Komamizu, Ichiro Ide

机构 * Nagoya University（名古屋大学） ； Kyoto University（京都大学） 纠错

专题命中 检索器与排序 ：retrieval-augmented generation(abstract)；RAG(abstract)；分类 cs.CL

AI总结 本文提出一种基于对比稀疏自编码器的特质激活路由框架，用于角色扮演大语言模型的人格控制，通过构建平衡监督的语料库，实现稳定的人格表现和输出质量。

Comments Accepted in PAKDD 2026 special session on Data Science :Foundation and Applications

VILLA: Versatile Information Retrieval From Scientific Literature Using Large LAnguage Models

VILLA：利用大语言模型从科学文献中进行多用途信息检索

Blessy Antony, Amartya Dutta, Sneha Aggarwal, Vasu Gatne, Ozan Gökdemir, Samantha Grimes, Adam Lauring, Brian R. Wasik, Anuj Karpatne, T. M. Murali

专题命中 检索器与排序 ：retrieval augmented generation(abstract)；RAG(abstract)；分类 cs.IR

AI总结 本文提出VILLA框架，通过构建病毒突变提取任务，解决复杂开放任务中科学信息提取的挑战，展示其在信息检索中的优越性能。

Comments Under review at ACM KDD 2026 (AI for Sciences Track)

Rethinking Retrieval-Augmentation as Synthesis: A Query-Aware Context Merging Approach

重新思考检索增强作为合成：一种查询感知的上下文合并方法

Jiarui Guo, Yuemeng Xu, Zongwei Lv, Yangyujia Wang, Xiaolin Wang, Kan Liu, Tao Lan, Lin Qu, Tong Yang

专题命中 检索器与排序 ：retrieval-augmented generation(abstract)；RAG(abstract)；分类 cs.IR

AI总结 本文提出MergeRAG框架，通过查询感知合成优化检索增强过程，提升信息密度和效率，实验表明在F1和精确匹配上优于现有方法。

LLM-Augmented Changepoint Detection: A Framework for Ensemble Detection and Automated Explanation

基于大语言模型的变更点检测：一种用于集合检测和自动解释的框架

Fabian Lukassen, Christoph Weisser, Michael Schlee, Manish Kumar, Anton Thielmann, Benjamin Saefken, Alexander Silbersdorff, Thomas Kneib

机构 * University of Göttingen（哥廷根大学） ； TU Clausthal（Clausthal 技术大学） ； Hochschule Bielefeld（比勒菲尔德应用科学大学） 纠错

专题命中 检索器与排序 ：retrieval-augmented generation(abstract)；RAG(abstract)；分类 cs.CL

AI总结 本文提出一种结合集合统计方法与大语言模型的变更点检测框架，解决单一方法选择困难和自动解释缺失的问题，通过集合方法提升检测准确性和解释性。

Rule-Based Explanations for Retrieval-Augmented LLM Systems

基于规则的检索增强型大语言模型解释

Joel Rorseth, Parke Godfrey, Lukasz Golab, Divesh Srivastava, Jarek Szlichta

机构 * University of Waterloo（滑铁卢大学） ； York University（约克大学） ； AT&T Chief Data Office（AT&T首席数据办公室） 纠错

专题命中 检索器与排序 ：retrieval-augmented generation(abstract)；RAG(abstract)；分类 cs.CL

AI总结 本文提出用规则解释检索增强型大语言模型，通过优化方法提高规则生成效率，通过实验验证其有效性。

Toward Experimentation-as-a-Service in 5G/6G: The Plaza6G Prototype for AI-Assisted Trials

迈向5G/6G的实验即服务：Plaza6G原型用于AI辅助试验

Sergio Barrachina-Muñoz, Marc Carrascosa-Zamacois, Horacio Bleda, Umair Riaz, Yasir Maqsood, Xavier Calle, Selva Vía, Miquel Payaró, Josep Mangues-Bafalluy

机构 * Spanish MINECO（西班牙国家研究委员会） ； MCIN/AEI（西班牙国家研究委员会） 纠错

专题命中 检索器与排序 ：retrieval-augmented generation(abstract)；RAG(abstract)；分类 cs.AI

AI总结 Plaza6G是首个整合云资源与下一代无线基础设施的实验即服务平台，通过自然语言和REST API实现低门槛实验设计，结合LLM助手提升实验知识与领域微调，支持OTA试验与可重现的无线实验。

Comments 5 pages, 5 figures

ReGAIN: Retrieval-Grounded AI Framework for Network Traffic Analysis

ReGAIN：基于检索的网络流量分析人工智能框架

Shaghayegh Shajarian, Kennedy Marsh, James Benson, Sajad Khorsandroo, Mahmoud Abdelsalam

机构 * Computer Science（计算机科学） ； North Carolina A\&T State University（北卡罗来纳A&T州立大学） ； Institute for Cyber Security（网络安全研究所） ； University of Texas at San Antonio（德克萨斯大学圣安东尼奥分校） 纠错

专题命中 检索器与排序 ：retrieval-augmented generation(abstract)；RAG(abstract)；分类 cs.AI

AI总结 ReGAIN结合流量摘要、检索增强生成和大语言模型推理，实现透明准确的网络流量分析，通过多阶段框架提升安全性和性能，验证结果显示其在不同攻击类型中准确率高达95.95%-98.82%。

Comments Accepted to ICNC 2026. This is the accepted author manuscript

On Theoretically-Driven LLM Agents for Multi-Dimensional Discourse Analysis

关于理论驱动的LLM代理在多维话语分析中的应用

Maciej Uberna, Michał Wawer, Jarosław A. Chudziak, Marcin Koszowy

机构 * Laboratory of The New Ethos, Warsaw University of Technology, Poland（新伦理实验室，华沙理工大学，波兰） ； Faculty of Electronics and Information Technology, Warsaw University of Technology, Poland（电子与信息技术学院，华沙理工大学，波兰） 纠错

专题命中 检索器与排序 ：retrieval-augmented generation(abstract)；RAG(abstract)；分类 cs.CL

AI总结 本文提出一种多代理框架，通过引入显式理论知识提升话语分析中改写策略的识别能力，实验表明理论增强的LLM代理在检测强化和泛化等任务上表现显著优于基线模型，宏F1分数提升近30%。

Comments 8 pages, 4 figures, 3 tables. This is the accepted version of the paper presented at the 18th International Conference on Agents and Artificial Intelligence (ICAART 2026), Marbella, Spain

Journal ref Proceedings of the 18th International Conference on Agents and Artificial Intelligence (ICAART 2026)

Beyond Max Tokens: Stealthy Resource Amplification via Tool Calling Chains in LLM Agents

超越最大令牌：通过工具调用链实现隐秘的资源放大

Kaiyu Zhou, Yongsen Zheng, Yicheng He, Meng Xue, Xueluan Gong, Yuji Wang, Xuanye Zhang, Kwok-Yan Lam

机构 * Nanyang Technological University, Singapore（南洋理工大学，新加坡） ； University of Illinois Urbana-Champaign, United States（伊利诺伊大学厄巴纳-香槟分校，美国） ； The Hong Kong University of Science and Technology, Hong Kong（香港科学与技术大学，香港） ； Shanghai Jiao Tong University, China（上海交通大学，中国） 纠错

专题命中 检索器与排序 ：retrieval-augmented generation(abstract)；RAG(abstract)；分类 cs.AI

AI总结 本文提出了一种基于工具调用链的隐秘DoS攻击，通过多轮交互显著提升LLM的资源消耗，挑战现有安全防护机制。

DEO: Training-Free Direct Embedding Optimization for Negation-Aware Retrieval

DEO：无训练直接嵌入优化用于否定感知检索

Taegyeong Lee, Jiwon Park, Seunghyun Hwang, JooYoung Jang

机构 * Department of Industrial Engineering, Hanyang University（工业工程系，翰阳大学） ； Department of Applied Data Science, Sungkyunkwan University（应用数据科学系，成均馆大学） 纠错

专题命中 检索器与排序 ：retrieval-augmented generation(abstract)；RAG(abstract)；分类 cs.CL

AI总结 DEO通过无训练的直接嵌入优化方法，提升了否定和排除感知检索的性能，尤其在多模态检索中表现突出。

Retrieving Minimal and Sufficient Reasoning Subgraphs with Graph Foundation Models for Path-aware GraphRAG

基于图基础模型的路径感知图RAG中最小和充分推理子图检索

Haonan Yuan, Qingyun Sun, Junhua Shi, Mingjun Liu, Jiaqi Yuan, Ziwei Zhang, Xingcheng Fu, Jianxin Li

专题命中 检索器与排序 ：retrieval-augmented generation(abstract)；retriever(abstract)；分类 cs.IR

AI总结 本文提出GFM-Retriever，通过图基础模型实现路径感知的子图检索，提升多跳问答任务的检索与生成性能。

A Component-Based Survey of Interactions between Large Language Models and Multi-Armed Bandits

基于组件的大型语言模型与多臂老虎机交互调研

Siguang Chen, Chunli Lv, Miao Xie

机构 * College of Information and Electrical Engineering, China Agricultural University, Beijing 100083, China（信息与电气工程学院，中国农业大学，北京） ； Key Laboratory of Agricultural Machinery Monitoring and Big Data Application, Ministry of Agriculture and Rural Affairs, Beijing 100083, China（农业机械监测与大数据应用重点实验室，农业农村部，北京） 纠错

专题命中 检索器与排序 ：retrieval-augmented generation(abstract)；RAG(abstract)；分类 cs.CL

AI总结 本文调研了大型语言模型与多臂老虎机在组件层面的双向交互，分析了两者在解决对方挑战中的协同作用及未来研究方向。

Comments 25 pages, 6 table

SecureRAG-RTL: A Retrieval-Augmented, Multi-Agent, Zero-Shot LLM-Driven Framework for Hardware Vulnerability Detection

SecureRAG-RTL: 一种基于检索增强的多智能体零样本LLM驱动框架用于硬件漏洞检测

Touseef Hasan, Blessing Airehenbuwa, Nitin Pundir, Souvika Sarkar, Ujjwal Guin

机构 * School of Computing, Wichita State University（计算机科学学院，威斯康星州立大学） ； Department of Electrical and Computer Engineering, Auburn University（电气与计算机工程系，阿伯茨兰大学） ； IBM 纠错

专题命中 检索器与排序 ：retrieval-augmented generation(abstract)；RAG(abstract)；分类 cs.AI

AI总结 SecureRAG-RTL通过检索增强生成方法提升硬件漏洞检测准确率，实现30%的性能提升并公开基准数据集支持未来研究。

MedCoRAG: Interpretable Hepatology Diagnosis via Hybrid Evidence Retrieval and Multispecialty Consensus

MedCoRAG：通过混合证据检索和多专科共识进行可解释的肝病诊断

Zheng Li, Jiayi Xu, Zhikai Hu, Hechang Chen, Lele Cong, Yunyun Wang, Shuchao Pang

机构 * School of Cyber Science and Engineering, Nanjing University of Science and Technology（南京理工大学信息科学与工程学院） ； School of Artificial Intelligence, Jilin University（吉林大学人工智能学院） ； Department of Neurology, China-Japan Union Hospital of Jilin University（吉林大学中日联谊医院神经内科） ； Department of Anesthesiology, China-Japan Union Hospital of Jilin University（吉林大学中日联谊医院麻醉科） ； School of Computing, Macquarie University（麦考瑞大学计算机学院） 纠错

专题命中 检索器与排序 ：retrieval-augmented generation(abstract)；RAG(abstract)；分类 cs.AI

AI总结 MedCoRAG通过混合证据检索和多专科共识，提升肝病诊断的可解释性和准确性。

Assessing the Effectiveness of LLMs in Delivering Cognitive Behavioral Therapy

评估LLMs在提供认知行为疗法中的有效性

Navdeep Singh Bedi, Ana-Maria Bucur, Noriko Kando, Fabio Crestani

专题命中 检索器与排序 ：retrieval-augmented generation(abstract)；RAG(abstract)；分类 cs.CL

AI总结 本文评估了LLMs在模仿专业治疗师进行认知行为疗法方面的能力，发现其在生成对话和传达同理心方面存在局限。

Comments Accepted to LREC 2026

RAGNav: A Retrieval-Augmented Topological Reasoning Framework for Multi-Goal Visual-Language Navigation

RAGNav: 一种结合检索与拓扑推理的多目标视觉语言导航框架

Ling Luo, Qiangian Bai

机构 * Southwestern University of Finance（西南财经大学） ； Department of Informatics,Universitat Hamburg, Hamburg, Germany（汉堡大学信息学院） ； University of Electronic Science（电子科技大学） 纠错

专题命中 检索器与排序 ：retrieval-augmented generation(abstract)；RAG(abstract)；分类 cs.AI

AI总结 RAGNav通过双基记忆系统和拓扑邻居评分传播机制，提升多目标视觉语言导航任务中目标可达性推理和顺序规划效率。

Query-Level Uncertainty in Large Language Models

查询级不确定性在大语言模型中

Lihu Chen, Gerard de Melo, Fabian M. Suchanek, Gaël Varoquaux

机构 * Imperial College London（伦敦帝国学院） ； Hasso Plattner Institute / University of Potsdam（霍普夫纳研究所/波茨坦大学） ； Telecom Paris, Institut Polytechnique de Paris（电信巴黎学院，巴黎理工学院） ； Soda, Inria Saclay（Soda，法国国家信息与自动化技术研究院萨克利实验室） 纠错

专题命中 检索器与排序 ：retrieval-augmented generation(abstract)；RAG(abstract)；分类 cs.CL

AI总结 本研究提出了一种无需训练的内部置信度方法，用于检测大语言模型的知识边界，通过查询级不确定性提高回答质量并降低计算成本。

Comments ICLR 2026

AccurateRAG: A Framework for Building Accurate Retrieval-Augmented Question-Answering Applications

AccurateRAG：构建准确检索增强型问答应用的框架

Linh The Nguyen, Chi Tran, Dung Ngoc Nguyen, Van-Cuong Pham, Hoang Ngo, Dat Quoc Nguyen

机构 * Qualcomm AI Research（高通人工智能研究） 纠错

专题命中 检索器与排序 ：retrieval-augmented generation(abstract)；RAG(abstract)；分类 cs.CL

AI总结 AccurateRAG通过高效流程和本地构建能力，在问答任务中实现更高性能和新状态的SOTA表现。

Comments Accepted to LREC 2026

A Survey of Query Optimization in Large Language Models

大型语言模型中查询优化的综述

Mingyang Song, Mao Zheng

机构 * Large Language Model Department（大语言模型部门） 纠错

专题命中 检索器与排序 ：retrieval-augmented generation(abstract)；RAG(abstract)；分类 cs.CL

AI总结 本文综述了大型语言模型中查询优化的技术，提出查询优化生命周期框架、查询复杂度分类法及四个基本操作，分析了优化方法和挑战，为研究和实践提供指导。

Comments Ongoing Work

AnnoABSA: A Web-Based Annotation Tool for Aspect-Based Sentiment Analysis with Retrieval-Augmented Suggestions

AnnoABSA：一个支持基于方面的情感分析的网页标注工具，具有检索增强的建议

Nils Constantin Hellwig, Jakob Fehle, Udo Kruschwitz, Christian Wolff

机构 * Media Informatics Group, University of Regensburg, Regensburg, Germany（里根斯堡大学媒体信息学组） ； Information Science Group, University of Regensburg, Regensburg, Germany（里根斯堡大学信息科学组） 纠错

专题命中 检索器与排序 ：retrieval-augmented generation(abstract)；RAG(abstract)；分类 cs.CL

AI总结 AnnoABSA是一款支持基于方面的情感分析的网页标注工具，结合检索增强生成建议提升标注效率与准确性。

Comments Accepted for publication at LREC 2026. Final version will appear in the ACL Anthology