RAG / 检索增强生成

An Industrial-Scale Retrieval-Augmented Generation Framework for Requirements Engineering: Empirical Evaluation with Automotive Manufacturing Data

面向工业规模的检索增强生成框架用于需求工程：基于汽车制造数据的实证评估

Muhammad Khalid, Yilmaz Uygun

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

AI总结 本文提出一个工业级检索增强生成框架，用于需求工程自动化，通过实证评估展示其在提高提取准确性和减少人工分析时间方面的优势。

Comments 10 pages, 6 figures

Leveraging Large Language Models to Extract and Translate Medical Information in Doctors' Notes for Health Records and Diagnostic Billing Codes

利用大型语言模型提取和翻译医生笔记中的医疗信息用于健康记录和诊断收费代码

Peter Hartnett, Chung-Chi Huang, Sarah Hartnett, David Hartnett

机构 * Department of Computer Science & Information Technologies, Frostburg State University（弗罗斯堡州立大学计算机科学与信息科技系） ； Department of Emergency Medicine, FAU Charles E Schmidt College of Medicine（FAU查尔斯·E·施密特医学院急诊医学系） 纠错

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

AI总结 本文研究利用本地大语言模型提取医生笔记中的临床信息并翻译为ICD-10-CM诊断代码，探讨隐私保护下的医疗信息提取方法，发现需结合人类辅助以提高准确性。

Comments 45 pages, 19 figures

Reasoner-Executor-Synthesizer: Scalable Agentic Architecture with Static O(1) Context Window

推理-执行-合成器：具有静态O(1)上下文窗口的可扩展代理架构

Ivan Dobrovolskyi

机构 * Walmart Global Tech（沃尔玛全球技术） 纠错

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

AI总结 本文提出RES架构，通过分离意图解析、确定性数据检索与叙事生成，实现O(1)的token复杂度，有效解决LLM代理中上下文窗口过大导致的幻觉风险和token成本问题。

Less is More: Adapting Text Embeddings for Low-Resource Languages with Small Scale Noisy Synthetic Data

少即是多：利用小规模噪声合成数据适应低资源语言的文本嵌入

Zaruhi Navasardyan, Spartak Bughdaryan, Bagrat Minasyan, Hrant Davtyan

机构 * Metric AI Lab（Metric AI实验室） 纠错

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

AI总结 本文挑战了大规模数据对语义对齐的必要性假设，通过小规模噪声合成数据提升低资源语言文本嵌入性能，实验显示在仅1万对数据下即可获得显著改进，验证了噪声对语义对齐的鲁棒性。

Comments Accepted at LoResLM 2026, EACL 2026 Workshop