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。

2026-03-13 至 2026-03-13 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

2603.11772 2026-03-13 cs.CL 85%

Legal-DC: Benchmarking Retrieval-Augmented Generation for Legal Documents

Legal-DC: 用于法律文档的检索增强生成基准测试

Yaocong Li, Qiang Lan, Leihan Zhang, Le Zhang

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

AI总结本研究提出Legal-DC基准测试，通过构建专门的法律文档数据集和LegRAG框架，提升中国法律检索增强生成系统的效果和可靠性。

Comments 20 pages, 4 figures, to be submitted to a conference/journal

2411.00744 2026-03-13 cs.DB cs.CL cs.IR 85%

CARROT: A Learned Cost-Constrained Retrieval Optimization System for RAG

CARROT：一种用于RAG的学得式成本约束检索优化系统

Ziting Wang, Haitao Yuan, Wei Dong, Gao Cong, Feifei Li

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

AI总结 CARROT通过MCTS和配置代理优化RAG检索，提升检索效率与准确性，实验显示性能提升达30%。

Comments Accepted to ICDE 2026. Updated title (previously "CORAG: A Cost-Constrained Retrieval Optimization System for Retrieval-Augmented Generation")

2603.11513 2026-03-13 cs.CL 78%

Can Small Language Models Use What They Retrieve? An Empirical Study of Retrieval Utilization Across Model Scale

小型语言模型能利用它们检索到的信息吗？不同模型规模下的检索利用经验研究

Sanchit Pandey

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

AI总结研究发现小型语言模型在检索信息时存在利用瓶颈，无法有效提取答案，且上下文干扰导致错误生成，表明RAG在小模型中效果有限。

Comments 10 pages, 5 figures, planning to submit to arr march 2026. Code and evaluation data: https://anonymous.4open.science/r/rag-utilization-study-C67F . Earlier draft preprint available on Zenodo: https://zenodo.org/records/18870116 (note: this arXiv submission is an updated draft)

2508.04604 2026-03-13 cs.CL cs.AI cs.IR 75%

TURA: Tool-Augmented Unified Retrieval Agent for AI Search

TURA：面向人工智能搜索的工具增强统一检索代理

Zhejun Zhao, Yuchen Li, Alley Liu, Yuehu Dong, Xiaolong Wei, Lixue Zheng, Pingsheng Liu, Dongdong Shen, Long Xia, Jiashu Zhao, Dawei Yin

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 TURA通过结合RAG与代理工具使用，首次系统性地弥合静态RAG与动态信息源之间的差距，提升人工智能搜索的实时性和准确性。

2512.20299 2026-03-13 cs.RO cs.AI cs.CV 57%

KnowVal: A Knowledge-Augmented and Value-Guided Autonomous Driving System

KnowVal: 一种知识增强且价值引导的自动驾驶系统

Zhongyu Xia, Wenhao Chen, Yongtao Wang, Ming-Hsuan Yang

机构 * Wangxuan Institute of Computer Technology, Peking University（北京大学王学苑计算机技术研究所）； University of California, Merced（加州大学默塞德分校）

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

AI总结 KnowVal通过整合开放世界感知与知识检索，构建驾驶知识图谱并训练价值模型，实现价值对齐的自动驾驶系统，提升了规划性能并降低了碰撞率。

Comments Accepted to CVPR 2026