RAG / 检索增强生成

Overview of the TREC 2025 Retrieval Augmented Generation (RAG) Track

TREC 2025检索增强生成（RAG）赛道概述

Shivani Upadhyay, Nandan Thakur, Ronak Pradeep, Nick Craswell, Daniel Campos, Jimmy Lin

专题命中 检索器与排序 ：retrieval augmented generation(title,abstract)；RAG(title,abstract)；分类 cs.IR

AI总结 TREC 2025 RAG赛道通过多句叙述查询和多层次评估框架，推动检索增强生成系统的可信与上下文感知创新。

Comments 21 pages, 8 figures, 13 tables

DEO: Training-Free Direct Embedding Optimization for Negation-Aware Retrieval

DEO：无训练直接嵌入优化用于否定感知检索

Taegyeong Lee, Jiwon Park, Seunghyun Hwang, JooYoung Jang

机构 * Department of Industrial Engineering, Hanyang University（工业工程系，翰阳大学） ； Department of Applied Data Science, Sungkyunkwan University（应用数据科学系，成均馆大学） 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 DEO通过无训练的直接嵌入优化方法，提升了否定和排除感知检索的性能，尤其在多模态检索中表现突出。

TimberAgent: Gram-Guided Retrieval for Executable Music Effect Control

TimberAgent：基于语法的可执行音乐效果控制检索

Shihao He, Yihan Xia, Fang Liu, Taotao Wang, Shengli Zhang

机构 * College of Electronics and Information Engineering, Shenzhen University（深圳大学电子与信息工程学院） 纠错

专题命中 检索器与排序 ：RAG(abstract)；分类 cs.AI

AI总结 TimberAgent通过纹理共振检索实现可编辑的音频效果控制，利用Gram矩阵构建音频表示，降低参数误差，提供更精确的效果控制方案。

Evoking User Memory: Personalizing LLM via Recollection-Familiarity Adaptive Retrieval

唤起用户记忆：通过回忆-熟悉度适应检索个性化LLM

Yingyi Zhang, Junyi Li, Wenlin Zhang, Penyue Jia, Xianneng Li, Yichao Wang, Derong Xu, Yi Wen, Huifeng Guo, Yong Liu, Xiangyu Zhao

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

AI总结 RF-Mem通过双路径记忆检索实现个性化LLM，结合回忆与熟悉度机制提升记忆检索效率和准确性。

Comments Accepted by ICLR 2026

The Virtuous Cycle: AI-Powered Vector Search and Vector Search-Augmented AI

良性循环：AI驱动的向量搜索与向量搜索增强的AI

Jiuqi Wei, Quanqing Xu, Chuanhui Yang

专题命中 向量检索 ：vector search(title,abstract)；retrieval-augmented generation(abstract)；RAG(abstract)；分类 cs.DB

AI总结 本文探讨了AI与向量搜索的协同优化，通过AI增强向量搜索和向量搜索增强AI，形成良性循环，提升智能信息系统的性能和能力。

Explainable Innovation Engine: Dual-Tree Agent-RAG with Methods-as-Nodes and Verifiable Write-Back

可解释的创新引擎：双树代理-RAG与方法作为节点和可验证的写回

Renwei Meng

机构 * Anhui University（安徽大学） 纠错

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

AI总结 本研究提出了一种双树代理-RAG框架，通过方法作为节点和可验证的写回机制，提升代理系统在可控、可解释和可验证创新方面的性能。

Comments 15pages, 4figures, code available on Github

LooComp: Leverage Leave-One-Out Strategy to Encoder-only Transformer for Efficient Query-aware Context Compression

LooComp: 通过留一法策略提升仅编码器Transformer的查询感知上下文压缩效率

Thao Do, Dinh Phu Tran, An Vo, Seon Kwon Kim, Daeyoung Kim

机构 * Korea Advanced Institute of Science and Technology（韩国科学技术院） 纠错

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

AI总结 LooComp通过留一法策略提升仅编码器Transformer的查询感知上下文压缩效率，实现高效压缩与高吞吐量推理。

TaSR-RAG: Taxonomy-guided Structured Reasoning for Retrieval-Augmented Generation

TaSR-RAG：基于分类的结构化推理用于检索增强生成

Jiashuo Sun, Yixuan Xie, Jimeng Shi, Shaowen Wang, Jiawei Han

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

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

AI总结 TaSR-RAG通过基于分类的结构化推理框架，提升检索增强生成任务的证据选择精度和推理质量。

Comments 14 pages, 7 tables, 5 figures

Towards Robust Retrieval-Augmented Generation Based on Knowledge Graph: A Comparative Analysis

基于知识图谱的鲁棒检索增强生成：一种比较分析

Hazem Amamou, Stéphane Gagnon, Alan Davoust, Anderson R. Avila

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

AI总结 本文基于知识图谱改进RAG系统，通过比较分析评估其在噪声、信息整合、负样本拒绝和反事实鲁棒性方面的性能提升。

Comments Accepted at IEEE SMC 2025 (International Conference on Systems, Man, and Cybernetics)

AI Blob! LLM-Driven Recontextualization of Italian Television Archives

AI Blob!：基于大型语言模型的意大利电视档案再上下文化

Roberto Balestri

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

AI总结 AI Blob!利用大型语言模型和语义技术对意大利电视档案进行再上下文化，通过自动语音识别和向量数据库实现动态检索与叙事重构。

Comments Preprint

Journal ref 16th Media Mutations International Conference (pp. 123-133) 2026

Beyond Fine-Tuning: Robust Food Entity Linking under Ontology Drift with FoodOntoRAG

超越微调：在本体漂移下利用FoodOntoRAG实现鲁棒的食品实体链接

Jan Drole, Ana Gjorgjevikj, Barbara Korouši'c Seljak, Tome Eftimov

机构 * Computer Systems Department, Jožef Stefan International Postgraduate School, Ljubljana, Slovenia（卢布尔雅那，斯洛文尼亚乔泽夫·斯蒂芬国际研究生学院计算机系统系） ； Computer Systems Department, Jožef Stefan Institute, Ljubljana, Slovenia（卢布尔雅那，斯洛文尼亚乔泽夫·斯蒂芬研究所计算机系统系） 纠错

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

AI总结 本文提出FoodOntoRAG，通过检索本体和结构化证据实现鲁棒的食品实体链接，避免微调并提高本体漂移的鲁棒性。

Comments Preprint

Samyama: A Unified Graph-Vector Database with In-Database Optimization, Agentic Enrichment, and Hardware Acceleration

Samyama：一个统一的图-向量数据库，具有数据库内优化、代理增强和硬件加速

Madhulatha Mandarapu, Sandeep Kunkunuru

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

AI总结 Samyama是一款统一的图-向量数据库，结合了数据库内优化、代理增强和硬件加速，通过Rust实现高性能和内存安全性。

Comments 16 pages, 4 figures, 12 tables

EmbC-Test: How to Speed Up Embedded Software Testing Using LLMs and RAG

EmbC-Test: 如何利用LLMs和RAG加速嵌入式软件测试

Maximilian Harnot, Sebastian Komarnicki, Michal Polok, Timo Oksanen

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

AI总结 本文提出利用LLMs和RAG技术，通过生成自动测试用例，显著提高嵌入式软件测试效率，节省66%的测试时间并每小时生成270个测试用例。

Journal ref Technical University of Munich. 2026. ISBN 978-3-911430-12-8. https://mediatum.ub.tum.de/1846559

AI Act Evaluation Benchmark: An Open, Transparent, and Reproducible Evaluation Dataset for NLP and RAG Systems

AI行为评估基准：为NLP和RAG系统设计的开放、透明且可复现的评估数据集

Athanasios Davvetas, Michael Papademas, Xenia Ziouvelou, Vangelis Karkaletsis

专题命中 RAG评测 ：RAG(title,abstract)；分类 cs.AI

AI总结 本文提出了一种开放透明的数据集，用于评估NLP和RAG系统在欧盟AI法案下的合规性，通过生成风险等级分类等任务提升评估效率。

Comments 10 pages, 1 figure, 4 tables, 2 equations

Governance Architecture for Autonomous Agent Systems: Threats, Framework, and Engineering Practice

自主代理系统治理架构：威胁、框架与工程实践

Yuxu Ge

机构 * University of York（约克大学） ； Department of Computer Science（计算机科学系） ； York United Kingdom（约克英国） 纠错

专题命中 RAG评测 ：RAG(abstract)；分类 cs.AI

AI总结 本文提出分层治理架构LGA，通过四层框架有效拦截恶意工具调用，实验表明其在不同部署场景下均表现出高拦截率和低虚警率。

Comments 22 pages, 2 figures, 10 tables