RAG / 检索增强生成

Catapults to the Rescue: Accelerating Vector Search by Exploiting Query Locality

救援者：通过利用查询局部性加速向量搜索

Sami Abuzakuk, Anne-Marie Kermarrec, Rafael Pires, Mathis Randl, Martijn de Vos

专题命中 向量检索 ：vector search(title,abstract)；分类 cs.DB

AI总结 CatapultDB通过动态确定搜索起点，利用查询局部性提升向量搜索效率，比DiskANN提升2.51倍，效率媲美LSH方法且无需重建索引。

VectorMaton: Efficient Vector Search with Pattern Constraints via an Enhanced Suffix Automaton

VectorMaton: 通过增强后缀自动机实现高效的向量搜索与模式约束

Haoxuan Xie, Siqiang Luo

专题命中 向量检索 ：vector search(title,abstract)；分类 cs.DB

AI总结 VectorMaton通过增强后缀自动机实现高效的向量搜索与模式约束，显著提升查询吞吐量并减小索引规模。

LLaVE: Large Language and Vision Embedding Models with Hardness-Weighted Contrastive Learning

LLaVE: 大规模语言和视觉嵌入模型与基于难度加权的对比学习

Zhibin Lan, Liqiang Niu, Fandong Meng, Jie Zhou, Jinsong Su

机构 * School of Informatics, Xiamen University, China（厦门大学信息学院） ； Pattern Recognition Center, WeChat AI, Tencent Inc, China（腾讯人工智能研究院） ； Shanghai Artificial Intelligence Laboratory, China（上海人工智能实验室） 纠错

专题命中 向量检索 ：RAG(abstract)；分类 cs.CL、cs.AI

AI总结 LLaVE通过基于难度加权的对比学习提升多模态嵌入模型性能，实现SOTA表现和强泛化能力。

Comments Accepted by Findings of EMNLP 2025

From Static Repositories to Agentic Knowledge Webs: ResearchTwin and the S-Index for Federated Human-AI Research Discovery

从静态仓库到代理知识网络：ResearchTwin和S-指数用于联邦人机研究发现

Martin G. Frasch

专题命中 向量检索 ：retrieval-augmented generation(abstract)

AI总结 ResearchTwin通过S-指数量化多模态研究影响，利用联邦架构实现人机协同的知识发现。

Comments 15 pages, 1 figure, https://github.com/martinfrasch/ResearchTwin