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。

2026-03-23 至 2026-03-23 共收录 3 篇信号源：cs.IR, cs.CL, cs.AI, cs.DB

1. RAG评测 3 篇

2512.01183 2026-03-23 cs.CL cs.AI 84%

TempPerturb-Eval: On the Joint Effects of Internal Temperature and External Perturbations in RAG Robustness

TempPerturb-Eval: 关于RAG鲁棒性中内部温度与外部扰动的联合影响

Yongxin Zhou, Philippe Mulhem, Didier Schwab

专题命中 RAG评测：RAG(title,abstract)；retrieval-augmented generation(abstract)；分类 cs.CL、cs.AI

AI总结本文研究了RAG系统中内部温度与外部扰动的交互影响，提出分析框架并展示实验结果，揭示高温度设置加剧扰动敏感性，提出评估基准和调参指南。

Comments LREC 2026, Palma, Mallorca (Spain), 11-16 May 2026

2603.19281 2026-03-23 cs.CL cs.AI cs.IR 75%

URAG: A Benchmark for Uncertainty Quantification in Retrieval-Augmented Large Language Models

URAG：一种用于检索增强大型语言模型不确定性量化的基准

Vinh Nguyen, Cuong Dang, Jiahao Zhang, Hoa Tran, Minh Tran, Trinh Chau, Thai Le, Lu Cheng, Suhang Wang

机构 * Uppsala University（乌普萨拉大学）； University of Science, VNU-HCM（VNU-HCM大学）； Indiana University（印第安纳大学）； FPT Software, AI Center（FPT软件人工智能中心）； The Pennsylvania State University（宾夕法尼亚州立大学）； VNU University of Engineering（VNU工程大学）； University of Illinois at Chicago（伊利诺伊大学芝加哥分校）

专题命中 RAG评测：retrieval-augmented generation(abstract)；RAG(abstract)；分类 cs.IR、cs.CL、cs.AI

AI总结 URAG通过构建多选问答任务评估RAG系统在医疗、编程、科学、数学等领域的不确定性，揭示准确性与不确定性的关系及不同RAG方法的性能差异。

2603.19268 2026-03-23 cs.CL cs.AI 62%

Full-Stack Domain Enhancement for Combustion LLMs: Construction and Optimization

面向燃烧科学的全栈领域增强：构建与优化

Quanjia Xiao, Weimin Ouyang, Zonglin Yang, Tianhao Wu, Qingguo Zhou, Runze Mao, Zhi X. Chen

机构 * Peking University（北京大学）； AI for Science Institute, Beijing（AI for Science研究院，北京）

专题命中 RAG评测：retrieval-augmented generation(abstract)；分类 cs.CL、cs.AI

AI总结本文提出首个针对燃烧科学的全栈领域增强LLM工作流程，整合自动领域语料构建、增量预训练、指令微调及可验证奖励强化学习，构建标准化评估基准FlameBench，显著提升燃烧科学推理性能。