RAG / 检索增强生成

Role-Augmented Intent-Driven Generative Search Engine Optimization

角色增强的意图驱动生成搜索引擎优化

Xiaolu Chen, Haojie Wu, Jie Bao, Zhen Chen, Yong Liao, Hu Huang

机构 * School of Cyber Science and Technology, University of Science and Technology of China（中国科学技术大学信息科学与技术学院） 纠错

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

AI总结 本文提出角色增强的意图驱动生成搜索引擎优化方法，通过反思性细化不同信息角色来建模搜索意图，提升生成搜索引擎中的内容可见性。

Comments 7 pages, 5 figures

From Slides to Chatbots: Enhancing Large Language Models with University Course Materials

从幻灯片到聊天机器人：利用大学课程材料增强大语言模型

Tu Anh Dinh, Philipp Nicolas Schumacher, Jan Niehues

机构 * Karlsruhe Institute of Technology, Germany（卡尔斯鲁厄理工学院，德国） 纠错

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

AI总结 本文研究如何通过整合大学课程材料提升大语言模型在计算机科学课程中的表现，比较了RAG和CPT两种策略，并发现多模态RAG在处理包含图像和公式的幻灯片时更有效。

Comments Accepted to NSLP @ LREC 2026

LAAF: Logic-layer Automated Attack Framework A Systematic Red-Teaming Methodology for LPCI Vulnerabilities in Agentic Large Language Model Systems

LAAF：逻辑层自动攻击框架：一种针对代理大语言模型系统中LPCI漏洞的系统性红队方法

Hammad Atta, Ken Huang, Kyriakos Rock Lambros, Yasir Mehmood, Zeeshan Baig, Mohamed Abdur Rahman, Manish Bhatt, M. Aziz Ul Haq, Muhammad Aatif, Nadeem Shahzad, Kamal Noor, Vineeth Sai Narajala, Hazem Ali, Jamel Abed

专题命中 图谱与结构化RAG ：RAG(abstract)

AI总结 LAAF是首个结合特定技术分类和分阶段种子升级的自动化红队框架，通过49种技术分类生成大量独特负载，并通过持久化阶段突破器实现分阶段负载变异，有效提升阶段突破效率。