RAG / 检索增强生成

RAG-X: Systematic Diagnosis of Retrieval-Augmented Generation for Medical Question Answering

RAG-X: 用于医疗问答的检索增强生成系统系统性诊断

Aswini Sivakumar, Vijayan Sugumaran, Yao Qiang

机构 * Oakland University（奥克兰大学） 纠错

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

AI总结 RAG-X通过系统性诊断框架，评估检索和生成过程，揭示问答系统中的隐藏失败模式，提升医疗问答的准确性和可靠性。

Comments 7 pages, 1 figure

RAGTrack: Language-aware RGBT Tracking with Retrieval-Augmented Generation

RAGTrack: 基于检索增强生成的语言感知RGBT跟踪

Hao Li, Yuhao Wang, Wenning Hao, Pingping Zhang, Dong Wang, Huchuan Lu

机构 * College of Command and Control Engineering, Army Engineering University of PLA（中国人民解放军陆军工程大学指挥控制工程学院） ； School of Future Technology, Dalian University of Technology（大连理工大学未来技术学院） ； School of Information and Communication Engineering, Dalian University of Technology（大连理工大学信息与通信工程学院） 纠错

专题命中 检索器与排序 ：retrieval-augmented generation(title,abstract)；RAG(abstract)

AI总结 RAGTrack通过引入语言指导的检索增强生成框架，解决RGBT跟踪中外观变化和模态间隙问题，实现稳健的目标定位。

Comments This work is accepted by CVPR2026. More modifications may be performed

OSCAR: Online Soft Compression And Reranking

OSCAR: 在线软压缩与重排序

Maxime Louis, Thibault Formal, Hervé Dejean, Stéphane Clinchant

机构 * NAVER LABS Europe（NAVER欧洲实验室） 纠错

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

AI总结 OSCAR通过在线软压缩和重排序方法提升RAG管道效率，实现推理速度提升2-5倍且准确率无损失。

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

PlugMem: A Task-Agnostic Plugin Memory Module for LLM Agents

PlugMem: 一种通用插件记忆模块用于LLM代理

Ke Yang, Zixi Chen, Xuan He, Jize Jiang, Michel Galley, Chenglong Wang, Jianfeng Gao, Jiawei Han, ChengXiang Zhai

机构 * University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校） ； Tsinghua University（清华大学） ； Microsoft Research（微软研究院） 纠错

专题命中 检索器与排序 ：knowledge retrieval(abstract)；分类 cs.IR、cs.CL、cs.AI

AI总结 PlugMem是一种通用记忆模块，通过知识中心的记忆图结构提升LLM代理在复杂任务中的记忆检索与推理能力。

Tucano 2 Cool: Better Open Source LLMs for Portuguese

Tucano 2 Cool: 更好的开源葡萄牙语大语言模型

Nicholas Kluge Corrêa, Aniket Sen, Shiza Fatimah, Sophia Falk, Lennard Landgraf, Julia Kastner, Lucie Flek

机构 * Bonn-Aachen International Center for Information Technology (b-it) / CAISA Lab（波恩-亚琛国际信息科技中心（b-it）/ CAISA实验室） ； Lamarr Institute for Machine Learning and Artificial Intelligence（拉马尔机器学习与人工智能研究所） ； Center for Science and Thought（科学与思想研究中心） ； Helmholtz-Institut für Strahlen- und Kernphysik（亥姆霍兹辐射与核物理研究所） ； Bonn Sustainable AI Lab（波恩可持续AI实验室） 纠错

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

AI总结 Tucano 2推出了一系列开源葡萄牙语大语言模型，通过扩展数据集和改进训练方法，实现了在多种语言任务上的最佳性能。

TigerVector: Supporting Vector Search in Graph Databases for Advanced RAGs

TigerVector: 在图数据库中支持向量搜索以增强高级RAGs

Shige Liu, Zhifang Zeng, Li Chen, Adil Ainihaer, Arun Ramasami, Songting Chen, Yu Xu, Mingxi Wu, Jianguo Wang

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

AI总结 TigerVector通过整合向量搜索与图查询功能，提升图数据库的表达能力与分析能力，实现非结构化与结构化数据的融合。

Comments 13 pages,11 figures

Journal ref Proceedings of the 2025 ACM SIGMOD International Conference on Management of Data (SIGMOD '25), Industrial Track

Developing an AI Assistant for Knowledge Management and Workforce Training in State DOTs

为州交通部门的知识管理和员工培训开发人工智能助手

Divija Amaram, Lu Gao, Gowtham Reddy Gudla, Tejaswini Sanjay Katale

机构 * Department of Computer Science, University of Houston（计算机科学系，休斯顿大学） ； Department of Civil and Environmental Engineering, University of Houston（土木与环境工程系，休斯顿大学） ； Ph.D Department of Civil and Environmental Engineering, University of Houston（土木与环境工程系，休斯顿大学） ； Engineering Data Science, University of Houston（工程数据科学，休斯顿大学） 纠错

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

AI总结 本文提出了一种多代理架构的RAG框架，用于州交通部门的知识管理和决策支持，通过整合文档检索与大语言模型生成，提升信息检索与响应质量。

SE-Search: Self-Evolving Search Agent via Memory and Dense Reward

SE-Search: 通过记忆和密集奖励实现的自进化搜索代理

Jian Li, Yizhang Jin, Dongqi Liu, Hang Ding, Jiafu Wu, Dongsheng Chen, Yunhang Shen, Yulei Qin, Ying Tai, Chengjie Wang, Xiaotong Yuan, Yabiao Wang

机构 * Nanjing University（南京大学） ； Tencent YoutuLab（腾讯优图实验室） 纠错

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

AI总结 SE-Search通过记忆净化、原子查询训练和密集奖励提升搜索效率，优于现有基线方法。

UniRain: Unified Image Deraining with RAG-based Dataset Distillation and Multi-objective Reweighted Optimization

UniRain: 基于RAG的数据蒸馏和多目标重加权优化的统一图像去雨

Qianfeng Yang, Qiyuan Guan, Xiang Chen, Jiyu Jin, Guiyue Jin, Jiangxin Dong

机构 * Dalian Polytechnic University（大连理工大学） ； Nanjing University of Science and Technology（南京理工大学） 纠错

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

AI总结 UniRain通过基于RAG的数据蒸馏和多目标重加权优化，实现统一图像去雨，有效应对不同雨损场景。

Comments Accepted by CVPR 2026; Project Page: https://github.com/QianfengY/UniRain

Retrieval or Representation? Reassessing Benchmark Gaps in Multilingual and Visually Rich RAG

检索还是表示？重新评估多语言和视觉丰富的RAG基准差距

Martin Asenov, Kenza Benkirane, Dan Goldwater, Aneiss Ghodsi

机构 * Parexel AI Labs（Parexel AI实验室） 纠错

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

AI总结 该研究通过系统分析发现，文档表示质量是多语言和视觉丰富RAG基准提升的主要因素，而非检索方法改进。

Comments ICLR 2026 Workshop I Can't Believe It's Not Better: Where Large Language Models Need to Improve

RAG vs. GraphRAG: A Systematic Evaluation and Key Insights

RAG与GraphRAG：系统评估与关键洞察

Haoyu Han, Li Ma, Yu Wang, Harry Shomer, Yongjia Lei, Zhisheng Qi, Kai Guo, Zhigang Hua, Bo Long, Hui Liu, Charu C. Aggarwal, Jiliang Tang

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

AI总结 本文系统评估RAG与GraphRAG在文本任务中的表现，提出统一评估协议，揭示两者优势与权衡，并探索整合策略以提升性能。

Benchmarking Legal RAG: The Promise and Limits of AI Statutory Surveys

法律RAG基准测试：AI立法调研的潜力与局限

Mohamed Afane, Emaan Hariri, Derek Ouyang, Daniel E. Ho

机构 * Stanford University（斯坦福大学） 纠错

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

AI总结 本文评估了三种新兴工具在法律RAG基准测试中的表现，发现STARA性能显著提升，而商业平台表现不佳，同时揭示了DOL律师的遗漏问题，并提出了法律RAG的未来设计原则。

Comments Accepted at the 5th ACM Symposium on Computer Science and Law (CS&Law '26)