AI 大模型

RAG / 检索增强生成

检索增强生成、向量检索、知识库问答和面向大模型的搜索系统。

2026-03-09 至 2026-03-09 共收录 5 篇信号源：cs.IR, cs.CL, cs.AI, cs.DB

1. 检索器与排序 5 篇

2402.10828 2026-03-09 cs.RO cs.AI 79%

RAG-Driver: Generalisable Driving Explanations with Retrieval-Augmented In-Context Learning in Multi-Modal Large Language Model

RAG-Driver: 多模态大语言模型中基于检索的可泛化驾驶解释

Jianhao Yuan, Shuyang Sun, Daniel Omeiza, Bo Zhao, Paul Newman, Lars Kunze, Matthew Gadd

机构 * University of Oxford（牛津大学）； Beijing Academy of Artificial Intelligence（北京人工智能研究院）

专题命中检索器与排序：RAG(title,abstract)；分类 cs.AI

AI总结 RAG-Driver通过检索增强的上下文学习，实现高性能、可解释和可泛化的自动驾驶系统。

Comments 14 pages, 6 figures

Journal ref Robotics: Science and Systems (RSS) 2024

2603.06503 2026-03-09 cs.CL 77%

Beyond Rows to Reasoning: Agentic Retrieval for Multimodal Spreadsheet Understanding and Editing

超越行到推理：面向多模态电子表格理解与编辑的智能检索

Anmol Gulati, Sahil Sen, Waqar Sarguroh, Kevin Paul

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

AI总结 BRTR通过迭代工具调用框架实现多模态电子表格的端到端理解与编辑，取得领先性能。

2603.05689 2026-03-09 cs.CR cs.AI 70%

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

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。

2603.06397 2026-03-09 cs.IR cs.LG 57%

Efficient, Property-Aligned Fan-Out Retrieval via RL-Compiled Diffusion

通过强化学习编译扩散实现高效、属性对齐的扇出检索

Pengcheng Jiang, Judith Yue Li, Moonkyung Ryu, R. Lily Hu, Kun Su, Zhong Yi Wan, Liam Hebert, Hao Peng, Jiawei Han, Dima Kuzmin, Craig Boutilier

机构 * University of Illinois Urbana Champaign（伊利诺伊大学厄巴纳-香槟分校）

专题命中检索器与排序：retriever(abstract)；分类 cs.IR

AI总结 R4T通过强化学习编译扩散模型，实现高效且属性对齐的扇出检索，提升检索质量并显著降低推理延迟。

2603.05781 2026-03-09 cs.CV cs.AI 57%

Visual Words Meet BM25: Sparse Auto-Encoder Visual Word Scoring for Image Retrieval

视觉词遇见BM25：稀疏自编码器视觉词评分用于图像检索

Donghoon Han, Eunhwan Park, Seunghyeon Seo

机构 * Moreh ； Seoul National University（首尔国立大学）

专题命中检索器与排序：retriever(abstract)；分类 cs.AI

AI总结 BM25-V通过稀疏自编码器提取的视觉词激活，结合BM25评分实现高效图像检索，提升召回率并降低计算成本。