arXivDaily arXiv每日学术速递 周一至周五更新
arXiv周末暂无论文更新,休息一下吧,周末愉快~~

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。

2026-03-24 至 2026-03-24 共收录 33 信号源:cs.IR, cs.CL, cs.AI, cs.DB

1. 检索器与排序 15 篇

2602.15856 2026-03-24 cs.CL cs.AI cs.IR 85%

Rethinking Soft Compression in Retrieval-Augmented Generation: A Query-Conditioned Selector Perspective

重新思考检索增强生成中的软压缩:从查询条件选择器视角

Yunhao Liu, Zian Jia, Xinyu Gao, Kanjun Xu, Yun Xiong

机构 * Shanghai Key Laboratory of Data Science, College of Computer Science and Artificial Intelligence(上海数据科学 key 实验室,计算机科学与人工智能学院) Fudan University(复旦大学) Shanghai(上海) China(中国)

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

AI总结 本文提出SeleCom框架,通过查询条件选择器改进RAG中的软压缩,提升信息密度并减少计算开销,实验显示其性能优于现有方法且效率更高。

Comments Accepted by WWW 2026

详情

展开后加载摘要…

URL PDF HTML 收藏
2603.20321 2026-03-24 q-bio.MN cs.AI cs.CL 84%

GIP-RAG: An Evidence-Grounded Retrieval-Augmented Framework for Interpretable Gene Interaction and Pathway Impact Analysis

GIP-RAG: 一种基于证据的检索增强框架用于可解释的基因互作和通路影响分析

Fujian Jia, Jiwen Gu, Cheng Lu, Dezhi Zhao, Mengjiang Huang, Yuanzhi Lu, Xin Liu, Kang Liu

机构 * Kanghua Juntai Biotech Co. Ltd.(康华联合生物科技有限公司) Department of Radiation Oncology, Cancer Treatment Center, The Second Affiliated Hospital of Hainan Medical University(海南医学院第二附属医院放疗科、肿瘤治疗中心) Department of Nutrition, University of California, Davis(加州大学戴维斯分校营养系) Department of Pathology, The First Affiliated Hospital of Jinan University(暨南大学第一附属医院病理科)

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

AI总结 GIP-RAG结合生物知识图谱与大语言模型,通过检索增强生成方法解析基因互作及通路影响,提供可解释的多步推理和机制解释。

Comments 29 pages

详情

展开后加载摘要…

URL PDF HTML 收藏
2603.20309 2026-03-24 cs.IR cs.DB 84%

BubbleRAG: Evidence-Driven Retrieval-Augmented Generation for Black-Box Knowledge Graphs

BubbleRAG:基于证据的检索增强生成用于黑盒知识图谱

Duyi Pan, Tianao Lou, Xin Li, Haoze Song, Yiwen Wu, Mengyi Deng, Mingyu Yang, Wei Wang

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

AI总结 针对黑盒知识图谱的检索与精度问题,提出BubbleRAG方法,通过语义锚点分组、启发式气泡扩展等技术提升召回率与精度,实验显示其在多跳问答任务中表现优异。

Comments Technical Report

详情

展开后加载摘要…

URL PDF HTML 收藏
2603.21654 2026-03-24 cs.CR cs.AI 83%

Towards Secure Retrieval-Augmented Generation: A Comprehensive Review of Threats, Defenses and Benchmarks

迈向安全的检索增强生成:对威胁、防御和基准的全面综述

Yanming Mu, Hao Hu, Feiyang Li, Qiao Yuan, Jiang Wu, Zichuan Liu, Pengcheng Liu, Mei Wang, Hongwei Zhou, Yuling Liu

机构 * State Key Laboratory of Mathematical Engineering and Advanced Computing(数学工程与先进计算国家重点实验室) Information Engineering University(信息工程大学) Henan Key Laboratory of Information Security(河南省信息安全重点实验室) University of Chinese Academy of Sciences(中国科学院大学)

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

AI总结 本文综述了检索增强生成系统中的安全威胁、防御方法及评估基准,系统分析了数据污染、对抗攻击等核心威胁,并提出双视角的防御技术分类,为未来研究提供统一基准。

详情

展开后加载摘要…

URL PDF HTML 收藏
2508.07956 2026-03-24 cs.IR 83%

Careful Queries, Credible Results: Teaching RAG Models Advanced Web Search Tools with Reinforcement Learning

谨慎查询,可信结果:通过强化学习教RAG模型使用高级网络搜索工具

Yuqin Dai, Shuo Yang, Guoqing Wang, Yong Deng, Zhanwei Zhang, Jun Yin, Pengyu Zeng, Zhenzhe Ying, Changhua Meng, Can Yi, Yuchen Zhou, Weiqiang Wang, Shuai Lu

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

AI总结 本文提出WebFilter框架,通过结合检索过滤机制和基于行为与结果的奖励策略,提升RAG模型的查询质量和检索精度,实验表明其在领域内和领域外基准测试中表现更优。

详情

展开后加载摘要…

URL PDF HTML 收藏
2603.20299 2026-03-24 cs.SE cs.AI 83%

HCAG: Hierarchical Abstraction and Retrieval-Augmented Generation on Theoretical Repositories with LLMs

HCAG:基于LLM的理论仓库中层次抽象与检索增强生成

Yusen Wu, Xiaotie Deng

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

AI总结 HCAG通过层次化抽象与检索增强生成方法,解决复杂理论代码库中高层架构模式和跨文件依赖的捕捉问题,提升代码质量和架构一致性。

详情

展开后加载摘要…

URL PDF HTML 收藏
2603.21925 2026-03-24 cs.AI 79%

Guideline-grounded retrieval-augmented generation for ophthalmic clinical decision support

基于指南的检索增强生成用于眼科临床决策支持

Shuying Chen, Sen Cui, Zhong Cao

机构 * University of International Business and Economics(国际商务经济大学) Tsinghua University(清华大学) Heidelberg Institute of Global Health(海德堡全球健康研究院)

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

AI总结 本文提出Oph-Guid-RAG系统,通过多模态视觉RAG方法提升眼科临床问答与决策支持,通过可控检索框架和多模态推理提升证据基础和鲁棒性。

详情

展开后加载摘要…

URL PDF HTML 收藏
2508.06931 2026-03-24 cs.AI cs.LG 77%

Automated Formalization via Conceptual Retrieval-Augmented LLMs

通过概念检索增强的LLM实现自动化形式化

Wangyue Lu, Lun Du, Sirui Li, Ke Weng, Haozhe Sun, Hengyu Liu, Minghe Yu, Tiancheng Zhang, Ge Yu

机构 * School of Computer Science and Engineering, Northeastern University, Shenyang 110819, China(东北大学计算机科学与工程学院,沈阳 110819,中国) Ant Research, Ant Group, Beijing, China(蚂蚁集团北京蚂蚁研究院,中国) Department of Computer Science, Aalborg University, Denmark(丹麦奥尔堡大学计算机科学系) Software College, Northeastern University, Shenyang 110819, China(东北大学软件学院,沈阳 110819,中国)

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

AI总结 本文提出CRAMF框架,通过检索数学概念定义提升LLM形式化能力,解决模型幻觉和语义鸿沟问题,在三个基准测试中实现显著提升。

详情

展开后加载摘要…

URL PDF HTML 收藏
2505.20730 2026-03-24 cs.IR cs.AI cs.CL cs.LG 75%

Do LLMs Understand Collaborative Signals? Diagnosis and Repair

大语言模型理解协作信号吗?诊断与修复

Shahrooz Pouryousef, Ali Montazeralghaem

机构 * Google(谷歌)

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 本文研究大语言模型在推荐任务中处理协作信息的能力,通过检索增强生成方法提升其推理性能,实验表明在提供清晰信息时LLM优于传统矩阵分解模型。

详情

展开后加载摘要…

URL PDF HTML 收藏
2603.21524 2026-03-24 cs.CL cs.AI 73%

CatRAG: Functor-Guided Structural Debiasing with Retrieval Augmentation for Fair LLMs

CatRAG:基于检索增强生成的 functor 引导的结构去偏方法用于公平大语言模型

Ravi Ranjan, Utkarsh Grover, Mayur Akewar, Xiaomin Lin, Agoritsa Polyzou

机构 * Florida International University(佛罗里达国际大学) University of South Florida(佛罗里达州立大学)

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

AI总结 CatRAG 通过整合 functor 与检索增强生成,实现结构去偏,提升公平性。在三个开源 LLM 上,其准确率提升达 40%,偏见分数降至接近零。

Comments 9 pages, 4 figures, and accepted in IJCNN 2026 (part of IEEE WCCI 2026)

详情

展开后加载摘要…

URL PDF HTML 收藏
2603.21193 2026-03-24 cs.CL cs.AI cs.DL 73%

Context Selection for Hypothesis and Statistical Evidence Extraction from Full-Text Scientific Articles

上下文选择用于从全文科学文章中提取假设和统计证据

Sai Koneru, Jian Wu, Sarah Rajtmajer

机构 * Pennsylvania State University(宾夕法尼亚州立大学) Old Dominion University(旧 Dominion 大学)

专题命中 检索器与排序 :retrieval augmented generation(abstract);retriever(abstract);分类 cs.CL、cs.AI

AI总结 本文研究了从全文科学文章中提取假设及其支持统计证据的挑战,通过两阶段检索与提取框架,发现针对性上下文选择能提升假设提取效果,但统计证据提取仍面临较大困难。

详情

展开后加载摘要…

URL PDF HTML 收藏
2603.20286 2026-03-24 cs.IR 70%

Rethinking Retrieval-Augmentation as Synthesis: A Query-Aware Context Merging Approach

重新思考检索增强作为合成:一种查询感知的上下文合并方法

Jiarui Guo, Yuemeng Xu, Zongwei Lv, Yangyujia Wang, Xiaolin Wang, Kan Liu, Tao Lan, Lin Qu, Tong Yang

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

AI总结 本文提出MergeRAG框架,通过查询感知合成优化检索增强过程,提升信息密度和效率,实验表明在F1和精确匹配上优于现有方法。

详情

展开后加载摘要…

URL PDF HTML 收藏
2510.01049 2026-03-24 cs.CV cs.RO 67%

KeySG: Hierarchical Keyframe-Based 3D Scene Graphs

KeySG:基于关键帧的层次化3D场景图

Abdelrhman Werby, Dennis Rotondi, Fabio Scaparro, Kai O. Arras

机构 * Socially Intelligent Robotics Lab, Institute for Artificial Intelligence University of Stuttgart, Germany(社会智能机器人实验室,人工智能研究所,斯图加特大学,德国)

专题命中 检索器与排序 :retrieval-augmented generation(abstract);RAG(abstract)

AI总结 KeySG通过层次化3D场景图结构,结合关键帧提取多模态信息,提升复杂环境中的语义推理与规划能力,优于现有方法。

Comments Code and video are available at https://keysg-lab.github.io/

详情

展开后加载摘要…

URL PDF HTML 收藏
2603.21416 2026-03-24 cs.SD 67%

Enterprise Sales Copilot: Enabling Real-Time AI Support with Automatic Information Retrieval in Live Sales Calls

企业销售助手:通过自动信息检索实现实时AI支持的现场销售通话

Jielin Qiu, Liangwei Yang, Ming Zhu, Wenting Zhao, Zhiwei Liu, Juntao Tan, Zixiang Chen, Roshan Ram, Akshara Prabhakar, Rithesh Murthy, Shelby Heinecke, Caiming Xiong, Silvio Savarese, Huan Wang

机构 * Salesforce AI Research(Salesforce AI研究院)

专题命中 检索器与排序 :retrieval-augmented generation(abstract);RAG(abstract)

AI总结 本文提出SalesCopilot,通过实时AI助手自动检测客户问题并检索产品数据库信息,提升销售效率。系统在保险销售场景中实现2.8秒响应,比手动搜索快14倍。

详情

展开后加载摘要…

URL PDF HTML 收藏
2603.20357 2026-03-24 cs.CR cs.AI 57%

Memory poisoning and secure multi-agent systems

记忆污染与安全多智能体系统

Vicenç Torra, Maria Bras-Amorós

机构 * Department of Computing Science, Ume University, Ume , Sweden(瑞典乌梅大学计算机科学系) Departament of Mathematics, Universitat Politècnica de Catalunya, Catalonia, Spain(西班牙加泰罗尼亚理工大学数学系)

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

AI总结 本文探讨了多智能体系统中记忆污染攻击的风险,分析了不同记忆系统类型的安全性,并提出基于密码学的缓解策略,强调了智能体交互中的实际风险及安全设计的重要性。

Comments 15 pages, 2 figures

详情

展开后加载摘要…

URL PDF HTML 收藏

2. 向量检索 1 篇

2603.21710 2026-03-24 cs.DB 70%

FGIM: a Fast Graph-based Indexes Merging Framework for Approximate Nearest Neighbor Search

FGIM: 一种基于图的索引合并框架用于近邻搜索

Zekai Wu, Jiabao Jin, Peng Cheng, Xiaoyao Zhong, Lei Chen, Yongxin Tong, Zhitao Shen, Jingkuan Song, Heng Tao Shen, Xuemin Lin

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

AI总结 本文提出FGIM框架,通过三种核心技术提升图索引合并效率,实验显示其在多种近邻搜索方法中实现显著加速且保持性能。

Comments 27 pages, accepted by SIGMOD 2026

详情

展开后加载摘要…

URL PDF HTML 收藏

3. 知识库问答 2 篇

2603.20316 2026-03-24 cs.IR cs.AI 73%

Bypassing Document Ingestion: An MCP Approach to Financial Q&A

绕过文档摄入:一种MCP方法用于金融问答

Sasan Mansouri, Edoardo Pilla, Mark Wahrenburg, Fabian Woebbeking

机构 * University of Groningen(Groningen大学) Goethe University Frankfurt(法兰克福歌德大学) Martin Luther University Halle-Wittenberg(哈雷-维滕贝格马丁路德大学) Halle Institute for Economic Research (IWH)(哈雷经济研究所)

专题命中 知识库问答 :retrieval-augmented generation(abstract);RAG(abstract);分类 cs.IR、cs.AI

AI总结 本文研究MCP在金融问答中的可靠性,通过构建定制MCP服务器测试FinDER基准,发现其在多步数值问题上准确率达80.4%,为金融问答提供基线并揭示其局限性。

Comments 19 pages, 10 figures

详情

展开后加载摘要…

URL PDF HTML 收藏
2603.20432 2026-03-24 cs.CL cs.AI 62%

Coding Agents are Effective Long-Context Processors

编码代理是有效的长上下文处理器

Weili Cao, Xunjian Yin, Bhuwan Dhingra, Shuyan Zhou

机构 * Duke University(杜克大学)

专题命中 知识库问答 :retrieval-augmented generation(abstract);分类 cs.CL、cs.AI

AI总结 本文研究通过允许编码代理在文件系统中组织文本并使用其原生工具处理长上下文,发现编码代理在长上下文推理、检索增强生成和开放领域问答中表现优异,比现有最佳方法平均提升17.3%。

详情

展开后加载摘要…

URL PDF HTML 收藏

4. 长文档RAG 2 篇

2603.20218 2026-03-24 cs.CL cs.LG 57%

An experimental study of KV cache reuse strategies in chunk-level caching systems

基于块级缓存系统的KV缓存重用策略实验研究

Samuel Cestola, Tianxiang Xia, Zheng Weiyan, Zheng Pengfei, Diego Didona

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

AI总结 本文通过实验探讨块级缓存系统中KV缓存重用策略的局限性与优化方法,提出一种融合现有技术的改进设计以提升准确性。

详情

展开后加载摘要…

URL PDF HTML 收藏
2603.20859 2026-03-24 math.NA cs.NA 50%

Efficient Nehari manifold optimization algorithms for computing ground state solutions of nonlinear elliptic systems

高效Nehari流形优化算法用于计算非线性椭圆系统的基态解

Zhaoxing Chen, Wei Liu, Ziqing Xie, Wenfan Yi

专题命中 长文档RAG :RAG(abstract)

AI总结 本文提出了一种高效的Nehari流形优化算法,用于计算半线性椭圆系统的基态解,通过结合NMOM与Nesterov加速方法,改进了稳定性与计算效率。

Comments 26 pages, 17 figures

详情

展开后加载摘要…

URL PDF HTML 收藏

5. 图谱与结构化RAG 3 篇

2603.20650 2026-03-24 cs.AI cs.CY 79%

From 50% to Mastery in 3 Days: A Low-Resource SOP for Localizing Graduate-Level AI Tutors via Shadow-RAG

从50%到精通:一种低资源SOP,通过影子RAG本地化研究生级AI导师

Zonglin Yang, J. -H. Xie, Lining Zhang, Jiyou Jia, Zhi-X. Chen

机构 * School of Mechanics and Engineering Science, Peking University, Beijing, 100871, China(北京理工大学机械与工程科学学院) Readraft Intelligent Technology Co., Ltd., China(读raft智能科技有限公司) Graduate School of Education, Peking University, Beijing, 100871, China(北京大学教育学院) AI for Science Institute, Beijing, 100080, China(AI for Science研究院)

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

AI总结 本文提出一种低成本SOP,利用影子RAG架构和数据清洗策略,在3人天内本地化研究生级AI导师,使32B模型性能从74%提升至90%。

Comments 9 pages, 3 figures, practitioner report

详情

展开后加载摘要…

URL PDF HTML 收藏
2603.20815 2026-03-24 cs.AI 77%

GMPilot: An Expert AI Agent For FDA cGMP Compliance

GMPilot:一种用于FDA cGMP合规的专家AI代理

Xiaohan Wang, Nan Zhang, Sulene Han, Keguang Tang, Lei Xu, Zhiping Li, Xiue, Liu, Xiaomei Han

机构 * Aelion AI Inc.(Aelion AI公司) H&N Consulting(H&N咨询) Department of Medicine, Johns Hopkins University(约翰霍普金斯大学医学系) Gilead Sciences Inc.(吉利德科学公司)

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

AI总结 本文提出GMPilot,一种专为FDA cGMP合规设计的AI代理,通过RAG和ReAct框架提供实时决策支持,提升制药行业质量管理的专业性和响应速度。

Comments 14 pages, 1 figure

详情

展开后加载摘要…

URL PDF HTML 收藏
2603.21018 2026-03-24 cs.IR cs.AI cs.DB cs.LG 67%

DSL-R1: From SQL to DSL for Training Retrieval Agents across Structured and Unstructured Data with Reinforcement Learning

DSL-R1:从SQL到DSL,通过强化学习在结构化和非结构化数据上训练检索代理

Yunhai Hu, Junwei Zhou, Yumo Cao, Yitao Long, Yiwei Xu, Qiyi Jiang, Weiyao Wang, Xiaoyu Cao, Zhen Sun, Yiran Zou, Nan Du

机构 * New York University(纽约大学) Matter Innovation Inc.(Matter创新公司) Thin Red Line(薄红线)

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

AI总结 本文提出DSL-R1框架,结合逻辑推理与语义匹配,通过强化学习优化DSL生成,提升检索性能,实现在结构化和非结构化数据上的改进。

详情

展开后加载摘要…

URL PDF HTML 收藏

6. 多模态RAG 3 篇

2512.05959 2026-03-24 cs.CL cs.AI cs.CV 84%

M4-RAG: A Massive-Scale Multilingual Multi-Cultural Multimodal RAG

M4-RAG:大规模多语言多文化多模态检索增强生成

David Anugraha, Patrick Amadeus Irawan, Anshul Singh, En-Shiun Annie Lee, Genta Indra Winata

机构 * Stanford University(斯坦福大学) MBZUAI Indian Institute of Science(印度科学研究院) Ontario Tech University(安大略技术大学) University of Toronto(多伦多大学) Capital One

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

AI总结 M4-RAG提出一个覆盖42种语言、56种方言和189个国家的多模态大规模基准,通过构建8万多个文化多样化的图像-问题对,评估跨语言和模态的检索增强视觉问答性能,揭示模型大小与检索效果的不匹配问题。

Comments Accepted to CVPR 2026

详情

展开后加载摘要…

URL PDF HTML 收藏
2508.02258 2026-03-24 cs.CV 78%

Patho-AgenticRAG: Towards Multimodal Agentic Retrieval-Augmented Generation for Pathology VLMs via Reinforcement Learning

病理代理RAG:通过强化学习实现多模态代理检索增强生成用于病理学视觉语言模型

Wenchuan Zhang, Jingru Guo, Hengzhe Zhang, Penghao Zhang, Jie Chen, Shuwan Zhang, Zhang Zhang, Yuhao Yi, Hong Bu

专题命中 多模态RAG :retrieval-augmented generation(title);RAG(abstract)

AI总结 本文提出Patho-AgenticRAG,通过强化学习实现多模态代理检索增强生成,解决病理学视觉语言模型在高分辨率、复杂组织结构和临床语义上的挑战,提升诊断准确性。

Journal ref Proceedings of the AAAI Conference on Artificial Intelligence, 40(35): 29921-29929, 2026

详情

展开后加载摘要…

URL PDF HTML 收藏
2602.19961 2026-03-24 cs.CL cs.IR 73%

Unlocking Multimodal Document Intelligence: From Current Triumphs to Future Frontiers of Visual Document Retrieval

解锁多模态文档智能:从当前成就到视觉文档检索的未来前沿

Yibo Yan, Jiahao Huo, Guanbo Feng, Mingdong Ou, Yi Cao, Xin Zou, Shuliang Liu, Yuanhuiyi Lyu, Yu Huang, Jungang Li, Kening Zheng, Xu Zheng, Philip S. Yu, James Kwok, Xuming Hu

机构 * Hong Kong University of Science and Technology (Guangzhou)(香港科技大学(广州)) Alibaba Cloud Computing(阿里云计算) Hong Kong University of Science and Technology(香港科技大学) University of Illinois Chicago(伊利诺伊大学芝加哥分校)

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

AI总结 本文综述了视觉文档检索领域,探讨了多模态大语言模型时代下的方法演进与挑战,提出未来发展方向。

Comments Under review. This version updates the relevant works released before 15 March, 2026

详情

展开后加载摘要…

URL PDF HTML 收藏

7. RAG评测 7 篇

2603.21359 2026-03-24 cs.CL cs.AI cs.CY 84%

Benchmarking Bengali Dialectal Bias: A Multi-Stage Framework Integrating RAG-Based Translation and Human-Augmented RLAIF

印地语方言偏见评估:整合基于RAG的翻译和人类增强的RLAIF的多阶段框架

K. M. Jubair Sami, Dipto Sumit, Ariyan Hossain, Farig Sadeque

机构 * Department of Computer Science and Engineering(计算机科学与工程系)

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

AI总结 本文提出一个多阶段框架,通过基于RAG的翻译和人类增强的RLAIF评估九种印地语方言的偏见。研究发现方言差异导致性能下降,模型规模增加不总是缓解偏见。

Comments 12 pages, 1 figure, 5 tables

详情

展开后加载摘要…

URL PDF HTML 收藏
2603.20882 2026-03-24 cs.IR cs.AI cs.CL cs.LG 78%

RubricRAG: Towards Interpretable and Reliable LLM Evaluation via Domain Knowledge Retrieval for Rubric Generation

RubricRAG: 通过领域知识检索实现可解释且可靠的LLM评估

Kaustubh D. Dhole, Eugene Agichtein

机构 * Department of Computer Science(计算机科学系) Emory University(埃默里大学)

专题命中 RAG评测 :knowledge retrieval(title);分类 cs.IR、cs.CL、cs.AI

AI总结 本文提出RubricRAG,通过领域知识检索生成可解释的评估 rubric,提升LLM评估的透明性和有效性。

详情

展开后加载摘要…

URL PDF HTML 收藏
2412.02868 2026-03-24 cs.AI 70%

PrecLLM: A Privacy-Preserving Framework for Efficient Clinical Annotation Extraction from Unstructured EHRs using Small-Scale LLMs

PrecLLM: 一种用于从非结构化电子健康记录中高效提取临床注释的隐私保护框架,使用小型语言模型

Yixiang Qu, Yifan Dai, Shilin Yu, Pradham Tanikella, Malvika Pillai, Walter Chen, Jialiu Xie, Yishan Ren, Duan Wang, Yikai Wang, Sid Sheth, Guanting Chen, Yufeng Liu, Travis Schrank, Trevor Hackman, Didong Li, Di Wu

机构 * Department of Biostatistics, University of North Carolina at Chapel Hill(北卡罗来纳大学教堂山分校生物统计学系) Department of Genetics, University of North Carolina at Chapel Hill(北卡罗来纳大学教堂山分校遗传学系) Curriculum for Bioinformatics and Computational Biology, University of North Carolina at Chapel Hill(北卡罗来纳大学教堂山分校生物信息学与计算生物学课程) Carolina Health Informatics Program, University of North Carolina at Chapel Hill(北卡罗来纳大学教堂山分校健康信息学计划) Department of Statistics and Operations Research, University of North Carolina at Chapel Hill(北卡罗来纳大学教堂山分校统计学与运筹学系) Department of Otolaryngology/Head and Neck Surgery, University of North Carolina at Chapel Hill(北卡罗来纳大学教堂山分校耳鼻喉科及头颈外科系) Department of Statistics, University of Michigan(密歇根大学统计学系) Department of Biomedical Sciences, Adams School of Dentistry, University of North Carolina at Chapel Hill(北卡罗来纳大学教堂山分校阿德姆牙科学院生物医学科学系) Computational Medicine Program, University of North Carolina at Chapel Hill(北卡罗来纳大学教堂山分校计算医学计划) Lineberger Comprehensive Cancer Center, University of North Carolina at Chapel Hill(北卡罗来纳大学教堂山分校林伯格综合癌症中心)

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

AI总结 本文提出PrecLLM框架,利用小型语言模型高效处理非结构化电子健康记录,通过正则表达式和RAG技术提升隐私保护下的临床注释提取性能。

详情

展开后加载摘要…

URL PDF HTML 收藏
2603.22184 2026-03-24 cs.LG quant-ph 67%

Revisiting Quantum Code Generation: Where Should Domain Knowledge Live?

重新审视量子代码生成:领域知识应该在哪里居住?

Oscar Novo, Oscar Bastidas-Jossa, Alberto Calvo, Antonio Peris, Carlos Kuchkovsky

机构 * Quantum Computing Research, QCentroid(量子计算研究,QCentroid)

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

AI总结 研究比较了Qiskit代码生成中不同专精策略,发现通用LLM在零样本和检索增强设置下表现更优,结合执行反馈代理可提升性能,表明无需领域微调即可实现更灵活的量子软件开发。

Comments Submitted to Quantum Machine Intelligence

详情

展开后加载摘要…

URL PDF HTML 收藏