MultiCube-RAG for Multi-hop Question Answering
多跳问答的MultiCube-RAG
机构 * University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校） ； Korea University（韩国大学）
AI总结 MultiCube-RAG通过多维立方体结构实现多跳问答的高效推理与检索，提升响应准确率并增强可解释性。
Comments 12 pages
作者
Jiawei Han
Data Mining
FGBench: A Dataset and Benchmark for Molecular Property Reasoning at Functional Group-Level in Large Language Models
FGBench: 一个用于大语言模型中功能基团级分子属性推理的数据集和基准
机构 * Department of Chemical and Biomolecular Engineering, University of Illinois Urbana-Champaign（化学与生物分子工程系，伊利诺伊大学厄巴纳-香槟分校） ； Department of Computer Science, University of Illinois Urbana-Champaign（计算机科学系，伊利诺伊大学厄巴纳-香槟分校）
AI总结 FGBench通过构建包含功能基团级信息的数据集，提升大语言模型在分子属性推理任务中的能力。
Comments NeurIPS 2025 (Datasets and Benchmarks Track)
Benchmarking Retrieval-Augmented Generation for Chemistry
基于化学领域的检索增强生成基准测试
机构 * Siebel School of Computing and Data Science, University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校Siebel计算与数据科学学院） ； National Library of Medicine, National Institutes of Health（美国国立卫生研究院国家医学图书馆）
AI总结 本文提出ChemRAG-Bench和Toolkit，用于评估RAG在化学领域的有效性，并展示RAG在化学任务中比直接推理方法有17.4%的性能提升。
Comments Accepted to COLM 2025
ABot-N0: Technical Report on the VLA Foundation Model for Versatile Embodied Navigation
ABot-N0：关于VLA基础模型在多功能具身导航中的技术报告
AI总结 ABot-N0通过统一的VLA基础模型实现多功能具身导航，结合认知大脑与动作专家架构，在多个基准测试中超越专用模型，支持动态环境中的长周期任务。
Comments Project Page: https://amap-cvlab.github.io/ABot-Navigation/ABot-N0/
Pave Your Own Path: Graph Gradual Domain Adaptation on Fused Gromov-Wasserstein Geodesics
为自己铺路：基于融合的Gromov-Wasserstein测地线的图渐进域适应
机构 * University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校）
AI总结 提出Gadget框架，通过融合Gromov-Wasserstein测地线实现非IID图数据的渐进域适应，提升图DA方法的准确率。
Comments 35 pages, 10 figures
Steer2Adapt: Dynamically Composing Steering Vectors Elicits Efficient Adaptation of LLMs
Steer2Adapt：动态组合转向向量引发LLM高效适应
AI总结 STEER2ADAPT通过动态组合转向向量实现LLM高效适应，适用于需要多协调能力的复杂任务。
Rethinking the Reranker: Boundary-Aware Evidence Selection for Robust Retrieval-Augmented Generation
重新思考重排序器：面向鲁棒检索增强生成的边界感知证据选择
机构 * University of Illinois Urbana-Champaign ； Hong Kong University of Science ； Washington University in St. Louis ； Texas A\&M University
AI总结 BAR-RAG通过边界感知证据选择提升检索增强生成在噪声下的鲁棒性与性能
Comments 19 pages, 8 tables, 5 figures
Zero-Shot Open-Schema Entity Structure Discovery
零样本开放模式实体结构发现
机构 * University of Illinois at Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校） ； Amazon（亚马逊） ； IBM Research（IBM研究院） ； IBM Research Europe（IBM欧洲研究院）
AI总结 本文提出零样本开放模式实体结构发现方法，通过充实、细化和统一机制提升大语言模型提取完整实体结构的能力。
Comments EACL 2026 camera-ready
Think Twice: Branch-and-Rethink Reasoning Reward Model
再思两次：分支与再思考推理奖励模型
机构 * NVIDIA（NVIDIA公司） ； University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校）
AI总结 BR-RM通过两轮次的分支与再思考机制，改进奖励模型的判断准确性与敏感性，实现更精确的推理能力。
Comments Source Code: https://github.com/yzjiao/BR-RM. Model Checkpoints: https://huggingface.co/nvidia/Qwen3-Nemotron-14B-BRRM and https://huggingface.co/nvidia/Qwen3-Nemotron-8B-BRRM
RAS: Retrieval-And-Structuring for Knowledge-Intensive LLM Generation
RAS：基于检索与构建的知识密集型大语言模型生成
机构 * Department of Computer Science, University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校计算机科学系）
AI总结 RAS通过动态构建问题特定知识图谱，提升大语言模型在知识密集型任务中的推理准确性和鲁棒性。
Comments ICLR 2026
PairSem: LLM-Guided Pairwise Semantic Matching for Scientific Document Retrieval
PairSem: 基于大语言模型的成对语义匹配用于科学文档检索
AI总结 PairSem通过实体-属性对捕捉科学概念的多面性，提升科学文档检索的精度和上下文感知能力。
Comments WWW 2026
A Simple Yet Strong Baseline for Long-Term Conversational Memory of LLM Agents
为LLM代理构建一个简单却强大的长期对话记忆基线
机构 * University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校）
AI总结 本文提出基于事件的对话记忆方法，通过异构图结构实现高效检索，提升LLM代理的长期对话能力。
Comments Work in progress
Ov3R: Open-Vocabulary Semantic 3D Reconstruction from RGB Videos
Ov3R：从RGB视频流中进行开放词汇语义3D重建
机构 * University of Bologna（博洛尼亚大学） ； USTC（中科大） ； BIT（北京理工） ； Monash University（墨尔本大学）
AI总结 Ov3R通过结合CLIP语义和融合描述符，实现从RGB视频流中进行开放词汇语义3D重建，提升空间人工智能的实时性和语义感知能力。
Cognitive Foundations for Reasoning and Their Manifestation in LLMs
认知基础与推理及其在大语言模型中的体现
机构 * University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校） ； University of Washington（华盛顿大学） ； Princeton University（普林斯顿大学） ； Harvard University（哈佛大学）
AI总结 本文通过分析LLMs推理机制，揭示其在复杂问题上的表现优于简单变体，提出基于认知科学的28项元素分类，并开发测试时推理指导方法，提升复杂问题性能达66.7%。
Comments 40 pages, 4 tables, 6 figures
PropRAG: Guiding Retrieval with Beam Search over Proposition Paths
机构 * Siebel School of Computing and Data Science, University of Illinois Urbana-Champaign（塞比尔计算与数据科学学院，伊利诺伊大学厄巴纳-香槟分校）
Comments Accepted to EMNLP 2025 (Main Conference). Camera-ready version. Code and data: https://github.com/ReLink-Inc/PropRAG
Journal ref Proceedings of the 2025 Conference on Empirical Methods in Natural Language Processing, pages 6224-6239 November 4-9, 2025
s3: You Don't Need That Much Data to Train a Search Agent via RL
机构 * University of Illinois Urbana Champaign（伊利诺伊大学厄巴纳-香槟分校） ； Amazon（亚马逊公司）
Comments EMNLP 2025 camera-ready
Controlling Performance and Budget of a Centralized Multi-agent LLM System with Reinforcement Learning
机构 * University of Illinois at Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校） ； Apple（苹果公司） ； University of California, Berkeley（加州大学伯克利分校） ； Northwestern University（西北大学） ； Harvard University（哈佛大学） ； Virginia Tech（弗吉尼亚理工大学）
Comments 14 pages
TEXT2DB: Integration-Aware Information Extraction with Large Language Model Agents
机构 * University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校）
Comments Source code: https://github.com/yzjiao/Text2DB
Hybrid Latent Reasoning via Reinforcement Learning
机构 * University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校） ； Google（谷歌） ； LMU（莱比锡马克斯·普朗克研究所）
Comments NeurIPS 2025
Structure-R1: Dynamically Leveraging Structural Knowledge in LLM Reasoning through Reinforcement Learning
机构 * Washington University in St. Louis（华盛顿大学圣路易斯分校） ； University of Illinois at Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校） ； Purdue University（普渡大学） ； University of Notre Dame（诺特丹大学）
RareAgent: Self-Evolving Reasoning for Drug Repurposing in Rare Diseases
机构 * Information Hub, The Hong Kong University of Science and Technology (Guangzhou)（香港科技大学（广州）信息中心） ； College of Computer Science, Nankai University（南开大学计算机学院） ； Department of Computer Science, University of Illinois at Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校计算机科学系） ； Shanghai Artificial Intelligence Laboratory（上海人工智能实验室）
GRACE: Generative Representation Learning via Contrastive Policy Optimization
机构 * University of Illinois Urbana–Champaign（伊利诺伊大学厄巴纳-香槟分校） ； Australian National University（澳大利亚国立大学） ； Hong Kong University of Science and Technology（香港科学与技术大学） ； University of Wisconsin–Madison（威斯康星大学麦迪逊分校） ； University of Washington（华盛顿大学）
Comments 23 pages, 7 figures, 7 tables
Scientific Paper Retrieval with LLM-Guided Semantic-Based Ranking
机构 * University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校） ； Korea University（韩国大学）
Comments Accepted to EMNLP 2025 Findings
RAG over Tables: Hierarchical Memory Index, Multi-Stage Retrieval, and Benchmarking
机构 * University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校） ； Meta AI ； IBM Research（IBM研究院）
Comments Project Link: https://github.com/jiaruzouu/T-RAG
Topic Coverage-based Demonstration Retrieval for In-Context Learning
机构 * University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校） ； Korea University（韩国大学） ； Pohang University of Science and Technology（浦项科学技术大学）
Comments EMNLP 2025 Main
A Survey on Retrieval And Structuring Augmented Generation with Large Language Models
机构 * University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校）
Comments KDD'25 survey track
CoRank: LLM-Based Compact Reranking with Document Features for Scientific Retrieval
机构 * University of Illinois \ -Champaign Urbana United States ； Korea University Seoul South Korea ； University of Illinois \ -Champaign ； Korea University
Comments 12 pages, 5 figures
WINELL: Wikipedia Never-Ending Updating with LLM Agents
Search-R1: Training LLMs to Reason and Leverage Search Engines with Reinforcement Learning
机构 * Department of Computer Science, University of Illinois at Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校计算机科学系） ； Center for Intelligent Information Retrieval, University of Massachusetts Amherst（马萨诸塞大学阿姆赫斯特分校智能信息检索中心） ； Google Cloud AI Research（谷歌云人工智能研究）
Comments 31 pages
Hypercube-Based Retrieval-Augmented Generation for Scientific Question-Answering
机构 * Florida International University（佛罗里达国际大学） ； University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校）
Comments 14 pages, 11 figures
