RAG / 检索增强生成

AILS-NTUA at SemEval-2026 Task 8: Evaluating Multi-Turn RAG Conversations

AILS-NTUA 在 SemEval-2026 任务 8: 评估多轮 RAG 对话

Dimosthenis Athanasiou, Maria Lymperaiou, Giorgos Filandrianos, Athanasios Voulodimos, Giorgos Stamou

机构 * National Technical University of Athens（国家技术大学雅典） 纠错

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

AI总结 AILS-NTUA 系统通过查询多样性策略和多阶段生成管道，在多轮 RAG 任务中取得领先表现。

MITRA: An AI Assistant for Knowledge Retrieval in Physics Collaborations

MITRA：一种用于物理学协作中知识检索的AI助手

Abhishikth Mallampalli, Sridhara Dasu

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

AI总结 MITRA是一种基于RAG的AI助手，通过本地化框架实现物理学协作中的高效知识检索与生成。

Comments Accepted at NeurIPS 2025 Machine Learning for the Physical Sciences workshop and Lepton Photon conference 2025 (Computing AI/ML track)

Reason and Verify: A Framework for Faithful Retrieval-Augmented Generation

推理与验证：一种忠实检索增强生成的框架

Eeham Khan, Luis Rodriguez, Marc Queudot

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

AI总结 本文提出了一种领域特定的RAG框架，通过显式推理和验证机制提升检索增强生成的准确性与透明性，在生物医学问答任务中取得显著性能提升。

Comments Accepted to Canadian AI 2026

Adversarial Hubness Detector: Detecting Hubness Poisoning in Retrieval-Augmented Generation Systems

对抗性中心性检测器：在检索增强生成系统中检测中心性污染

Idan Habler, Vineeth Sai Narajala, Stav Koren, Amy Chang, Tiffany Saade

机构 * Idan Habler ； Vineeth Sai Narajala ； Stav Koren ； Amy Chang ； Tiffany Saade 纠错

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

AI总结 Hubscan通过多检测器架构检测RAG系统中的对抗性中心性问题，利用统计分析、聚类扩展、稳定性测试和领域感知方法，有效识别并隔离潜在的安全威胁。

Comments 11 pages, 5 figures, 2 tables, Github: https://github.com/cisco-ai-defense/adversarial-hubness-detector, Updated with minor changes to naming

RAGPerf: An End-to-End Benchmarking Framework for Retrieval-Augmented Generation Systems

RAGPerf：一种用于检索增强生成系统的端到端基准评估框架

Shaobo Li, Yirui Zhou, Yuan Xu, Kevin Chen, Daniel Waddington, Swaminathan Sundararaman, Hubertus Franke, Jian Huang

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

AI总结 RAGPerf是一个用于评估检索增强生成系统性能的端到端基准框架，支持多种数据集和模型，提供细粒度性能分析和自动化指标收集。

Comments The codebase of RAGPerf is available at https://github.com/platformxlab/RAGPerf

Beyond Max Tokens: Stealthy Resource Amplification via Tool Calling Chains in LLM Agents

超越最大令牌：通过工具调用链实现隐秘的资源放大

Kaiyu Zhou, Yongsen Zheng, Yicheng He, Meng Xue, Xueluan Gong, Yuji Wang, Xuanye Zhang, Kwok-Yan Lam

机构 * Nanyang Technological University, Singapore（南洋理工大学，新加坡） ； University of Illinois Urbana-Champaign, United States（伊利诺伊大学厄巴纳-香槟分校，美国） ； The Hong Kong University of Science and Technology, Hong Kong（香港科学与技术大学，香港） ； Shanghai Jiao Tong University, China（上海交通大学，中国） 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 本文提出了一种基于工具调用链的隐秘DoS攻击，通过多轮交互显著提升LLM的资源消耗，挑战现有安全防护机制。

A Systematic Study of Pseudo-Relevance Feedback with LLMs

基于大语言模型的伪相关反馈的系统研究

Nour Jedidi, Jimmy Lin

机构 * University of Waterloo（滑铁卢大学） 纠错

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

AI总结 本文系统研究了基于大语言模型的伪相关反馈方法，发现反馈模型选择和反馈源对PRF效果有重要影响，且从语料库获取反馈在强检索器支持下效果最佳。

TAMUSA-Chat: A Domain-Adapted Large Language Model Conversational System for Research and Responsible Deployment

TAMUSA-Chat: 一个面向研究和负责任部署的领域适应大型语言模型对话系统

Izzat Alsmadi, Anas Alsobeh

机构 * Texas A&M University–San Antonio（德克萨斯A&M大学-圣安东尼奥分校） ； Utah Valley University（犹他谷大学） 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 TAMUSA-Chat是一个面向研究和负责任部署的领域适应大型语言模型对话系统，通过监督微调、检索增强生成和系统化评估方法，解决机构环境中的关键挑战。

R4-CGQA: Retrieval-based Vision Language Models for Computer Graphics Image Quality Assessment

R4-CGQA: 基于检索的视觉语言模型用于计算机图形图像质量评估

Zhuangzi Li, Jian Jin, Shilv Cai, Weisi Lin

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

AI总结 R4-CGQA通过构建包含3500张CG图像及其质量描述的数据集，提出双流检索框架提升视觉语言模型对计算机图形图像质量的评估能力。

Differentiable Geometric Indexing for End-to-End Generative Retrieval

可微几何索引用于端到端生成检索

Xujing Wang, Yufeng Chen, Boxuan Zhang, Jie Zhao, Chao Wei, Cai Xu, Ziyu Guan, Wei Zhao, Weiru Zhang, Xiaoyi Zeng

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

AI总结 本文提出可微几何索引，通过操作统一和各向同性几何优化，解决生成检索中的优化阻塞和几何冲突问题，提升长尾场景下的检索性能。