RAG / 检索增强生成

NovaLAD: A Fast, CPU-Optimized Document Extraction Pipeline for Generative AI and Data Intelligence

NovaLAD：一种快速、优化CPU的文档提取流水线用于生成式AI和数据智能

Aman Ulla

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

AI总结 NovaLAD是一种基于CPU优化的快速文档提取系统，通过结合YOLO模型和规则分组技术，实现高效准确的文档解析，适用于生成式AI和数据智能领域。

Comments 17 pages, 10 figures, 5 tables

Large Language Model-Assisted UAV Operations and Communications: A Multifaceted Survey and Tutorial

大型语言模型辅助的无人机操作与通信：多方面的综述与教程

Yousef Emami, Hao Zhou, Radha Reddy, Atefeh Hajijamali Arani, Biliang Wang, Kai Li, Luis Almeida, Zhu Han

机构 * IEEE 纠错

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

AI总结 本文综述了大型语言模型在无人机操作与通信中的应用，探讨了LLMs在提升UAV智能方面的多方面技术与未来研究方向。

Comments 40 pages, 10 figures, 13 tables

HAVEN: High-Bandwidth Flash Augmented Vector Engine for Large-Scale Approximate Nearest-Neighbor Search Acceleration

HAVEN：高带宽闪存增强向量引擎用于大规模近似最近邻搜索加速

Po-Kai Hsu, Weihong Xu, Qunyou Liu, Tajana Rosing, Shimeng Yu

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

AI总结 HAVEN通过高带宽闪存增强GPU，实现大规模近似最近邻搜索加速，提升重新排序吞吐量和效率。

Comments *Po-Kai Hsu and Weihong Xu contributed equally to this work

AMemGym: Interactive Memory Benchmarking for Assistants in Long-Horizon Conversations

AMemGym：用于长时对话中助手的交互式记忆基准测试

Cheng Jiayang, Dongyu Ru, Lin Qiu, Yiyang Li, Xuezhi Cao, Yangqiu Song, Xunliang Cai

机构 * The Hong Kong University of Science and Technology（香港科技大学） ； Meituan（美团） 纠错

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

AI总结 AMemGym通过交互式环境实现长时对话中助手的内存管理优化，揭示现有内存系统性能差距并推动策略自我进化。

Comments Accepted to ICLR 2026

Semantic XPath: Structured Agentic Memory Access for Conversational AI

语义XPath：面向对话AI的结构化代理内存访问

Yifan Simon Liu, Ruifan Wu, Liam Gallagher, Jiazhou Liang, Armin Toroghi, Scott Sanner

机构 * University of Toronto（多伦多大学） ； Vector Institute of Artificial Intelligence（人工智能向量研究所） 纠错

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

AI总结 本文提出语义XPath，一种基于树状结构的对话AI内存模块，通过提升性能和降低token消耗，为任务导向的对话系统提供新方法。

Scaling Knowledge Graph Construction through Synthetic Data Generation and Distillation

通过合成数据生成与蒸馏扩展知识图谱构建

Prafulla Kumar Choubey, Xin Su, Man Luo, Xiangyu Peng, Caiming Xiong, Tiep Le, Shachar Rosenman, Vasudev Lal, Phil Mui, Ricky Ho, Phillip Howard, Chien-Sheng Wu

机构 * Salesforce Research（Salesforce研究） 纠错

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

AI总结 本文提出SynthKG和Distill-SynthKG方法，通过合成数据生成和蒸馏技术提升文档级知识图谱构建效率，并设计图检索框架提升检索与问答性能。

NICO-RAG: Multimodal Hypergraph Retrieval-Augmented Generation for Understanding the Nicotine Public Health Crisis

NICO-RAG：多模态超图检索增强生成用于理解尼古丁公共卫生危机

Manuel Serna-Aguilera, Raegan Anderes, Page Dobbs, Khoa Luu

机构 * University of Arkansas（亚拉巴马大学） ； University of Arkansas for Medical Sciences（亚拉巴马大学医学科学分校） 纠错

专题命中 多模态RAG ：retrieval-augmented generation(title,abstract)；RAG(title,abstract)

AI总结 NICO-RAG通过多模态超图检索增强生成，解决尼古丁公共卫生危机中的信息检索与生成问题。

Safeguarding Multimodal Knowledge Copyright in the RAG-as-a-Service Environment

在RAG-as-a-Service环境中保护多模态知识版权

Tianyu Chen, Jian Lou, Wenjie Wang

机构 * ShanghaiTech University（上海科技大学） ； Sun Yat-sen University（中山大学） 纠错

专题命中 多模态RAG ：RAG(title,abstract)；retrieval-augmented generation(abstract)；retriever(abstract)；分类 cs.AI

AI总结 AQUA是一种用于多模态RAG系统中图像知识保护的首个水印框架，通过嵌入语义信号实现高效、隐蔽的版权追溯。

Personalized Education with Generative AI and Digital Twins: VR, RAG, and Zero-Shot Sentiment Analysis for Industry 4.0 Workforce Development

基于生成AI和数字孪生的个性化教育：VR、RAG和零样本情感分析用于工业4.0劳动力发展

Yu-Zheng Lin, Karan Petal, Ahmed H Alhamadah, Sujan Ghimire, Matthew William Redondo, David Rafael Vidal Corona, Jesus Pacheco, Soheil Salehi, Pratik Satam

机构 * Department of Electrical and Computer Engineering, University of Arizona, Tucson, AZ, USA（电气与计算机工程系，亚利桑那大学，图森，亚利桑那州，美国） ； Department of Systems and Industrial Engineering, University of Arizona, Tucson, AZ, USA（系统与工业工程系，亚利桑那大学，图森，亚利桑那州，美国） ； Department of Industrial Engineering, University of Sonora, Hermosillo, Mexico（工业工程系，索诺拉大学，赫尔莫索，墨西哥） 纠错

专题命中 多模态RAG ：RAG(title,abstract)；retrieval-augmented generation(abstract)；分类 cs.AI

AI总结 本研究提出gAI-PT4I4，利用生成AI和数字孪生技术，结合VR、RAG和零样本情感分析，提升工业4.0劳动力的个性化教育质量。

Hidden in the Metadata: Stealth Poisoning Attacks on Multimodal Retrieval-Augmented Generation

元数据中的隐藏攻击：多模态检索增强生成中的隐秘污染攻击

Kennedy Edemacu, Mohammad Mahdi Shokri

机构 * The City University of New York, CSI, Staten Island, NY 10314, USA（纽约城市大学，CSI，史泰登岛分校） ； The City University of New York, Graduate Center, New York, NY 10016, USA（纽约城市大学研究生中心） 纠错

专题命中 多模态RAG ：retrieval-augmented generation(title,abstract)；RAG(abstract)；分类 cs.AI

AI总结 本研究提出MM-MEPA，一种通过操纵多模态检索条目元数据来影响模型响应的隐秘污染攻击，展示了其在多模态RAG系统中的高攻击成功率和防御不足问题。

Multimodal Adaptive Retrieval Augmented Generation through Internal Representation Learning

多模态自适应检索增强生成通过内部表示学习

Ruoshuang Du, Xin Sun, Qiang Liu, Bowen Song, Zhongqi Chen, Weiqiang Wang, Liang Wang

机构 * Shanghaitech University School of Information Science（上海科技大学信息科学学院） ； Chinese Academy of Sciences Institute of Automation（中国科学院自动化研究所） 纠错

专题命中 多模态RAG ：retrieval augmented generation(title,abstract)；RAG(abstract)

AI总结 本文提出MMA-RAG，通过动态评估模型内部知识置信度，提升视觉问答系统在多模态场景下的检索增强生成性能。

Comments 8 pages, 6 figures

MC-Search: Evaluating and Enhancing Multimodal Agentic Search with Structured Long Reasoning Chains

MC-Search：基于结构化长推理链评估和增强多模态代理搜索

Xuying Ning, Dongqi Fu, Tianxin Wei, Mengting Ai, Jiaru Zou, Ting-Wei Li, Hanghang Tong, Yada Zhu, Hendrik Hamann, Jingrui He

机构 * University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校） ； Meta ； IBM Research（IBM研究院） ； Stony Brook University（石溪大学） 纠错

专题命中 多模态RAG ：retrieval-augmented generation(abstract)；RAG(abstract)；分类 cs.AI

AI总结 MC-Search是首个针对代理MM-RAG的基准，通过结构化长推理链评估和增强多模态代理搜索，揭示了系统性问题并改进了模型的规划和检索能力。

Comments ICLR 2026

SOSecure: Safer Code Generation with RAG and StackOverflow Discussions

SOSecure: 借助检索增强生成与StackOverflow讨论实现更安全的代码生成

Manisha Mukherjee, Vincent J. Hellendoorn

专题命中 RAG评测 ：RAG(title,abstract)；retrieval-augmented generation(abstract)

AI总结 SOSecure通过检索增强生成与StackOverflow讨论提升代码安全性，实现71.7%-96.7%的修复率，优于其他基线方法。

Legal RAG Bench: an end-to-end benchmark for legal RAG

法律RAG基准：法律RAG的端到端评估基准

Abdur-Rahman Butler, Umar Butler

专题命中 RAG评测 ：RAG(title,abstract)；分类 cs.IR、cs.CL

AI总结 Legal RAG Bench通过评估法律RAG系统端到端性能，发现信息检索是性能的主要驱动因素，Kanon 2嵌入器显著提升了正确性和基础性。

Comments 13 pages, 3 figures, 4 tables

Wikipedia in the Era of LLMs: Evolution and Risks

维基百科在大语言模型时代的演变与风险

Siming Huang, Yuliang Xu, Mingmeng Geng, Yao Wan, Dongping Chen

专题命中 RAG评测 ：retrieval-augmented generation(abstract)；RAG(abstract)；分类 cs.CL、cs.AI

AI总结 本文研究了大语言模型对维基百科的影响，分析了其在文章内容、页面浏览和NLP任务中的作用，指出潜在风险并提出监控框架。

Comments Accepted by TMLR: https://openreview.net/forum?id=ahVmnYkVLt

S5-HES Agent: Society 5.0-driven Agentic Framework to Democratize Smart Home Environment Simulation

S5-HES代理：面向社会5.0的代理框架，以民主化智能家庭环境模拟

Akila Siriweera, Janani Rangila, Keitaro Naruse, Incheon Paik, Isuru Jayanada

机构 * The University of Aizu（立命馆大学） ； The KD University（KD大学） 纠错

专题命中 RAG评测 ：retrieval-augmented generation(abstract)；RAG(abstract)；分类 cs.AI

AI总结 S5-HES代理通过自主AI编排，实现无需编程的智能家庭模拟，满足社会5.0的多样化研究需求。

Comments 12 pages, 9 figures, and Journal

S-VoCAL: A Dataset and Evaluation Framework for Inferring Speaking Voice Character Attributes in Literature

S-VoCAL：用于推断文学作品中说话声音特征属性的数据集和评估框架

Abigail Berthe-Pardo, Gaspard Michel, Elena V. Epure, Christophe Cerisara

机构 * LORIA ； Deezer Research ； Idiap Research Institute 纠错

专题命中 RAG评测 ：retrieval-augmented generation(abstract)；RAG(abstract)；分类 cs.CL

AI总结 S-VoCAL通过引入首个专门评估声音相关虚构角色属性推断的数据集和框架，展示了RAG流程在推断年龄和性别等属性上的有效性，但在出身和身体健康等属性上存在挑战。

Comments Accepted to LREC 2026

PRISM: A Personalized, Rapid, and Immersive Skill Mastery framework for personalizing experiential learning through Generative AI

PRISM：一种个性化、快速且沉浸式的技能掌握框架，通过生成式AI实现体验式学习个性化

Yu-Zheng Lin, Karan Patel, Ahmed Hussain J Alhamadah, Bono Po-Jen Shih, Matthew William Redondo, David Rafael Vidal Corona, Banafsheh Saber Latibari, Jesus Pacheco, Soheil Salehi, Pratik Satam

机构 * Department of Electrical and Computer Engineering, University of Arizona（电气与计算机工程系，亚利桑那大学） ； Department of Systems and Industrial Engineering, University of Arizona（系统与工业工程系，亚利桑那大学） ； Department of Industrial Engineering, University of Sonora（工业工程系，索诺拉大学） ； Leonhard Center for Enhancement of Engineering Education, The Pennsylvania State University（工程教育增强中心，宾夕法尼亚州立大学） 纠错

专题命中 RAG评测 ：retrieval-augmented generation(abstract)；RAG(abstract)；分类 cs.AI

AI总结 PRISM框架利用生成式AI和数字孪生技术，通过情感分析和RAG实现个性化、快速且沉浸式的技能学习，提升教育效率和适应性。

Comments 24 pages, 7 figures

TraderBench: How Robust Are AI Agents in Adversarial Capital Markets?

TraderBench: AI代理在对抗性资本市场中的鲁棒性如何？

Xiaochuang Yuan, Hui Xu, Silvia Xu, Cui Zou, Jing Xiong

机构 * Amazon.com Inc.（亚马逊公司） ； Stony Brook University（石溪大学） ； Stanford University（斯坦福大学） ； University of Oklahoma（俄克拉荷马大学） ； UC Santa Cruz（加州大学圣克鲁兹分校） 纠错

专题命中 RAG评测 ：knowledge retrieval(abstract)；分类 cs.AI

AI总结 TraderBench通过结合静态任务与对抗性交易模拟，评估AI代理在动态市场中的鲁棒性，发现现有模型在加密交易中表现稳定但缺乏真实适应性。

Comments Equal Contribution: Xiaochuang Yuan and Hui Xu contributed equally to this work. All correspondence should be directed to yxc20098@gmail.com. Submitted to Agents in the Wild Workshop, ICLR2026