AI 大模型
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。
AuthorityBench: 评估LLM权威感知以实现可靠的检索增强生成
专题命中 检索器与排序 ：retrieval-augmented generation(title,abstract)；RAG(abstract)；knowledge retrieval(abstract)；分类 cs.IR
AI总结 本文提出AuthorityBench基准，通过三个数据集评估LLM权威感知能力，发现ListJudge和PairJudge方法与真实权威最相关，且权威感知对检索增强生成的准确性有显著提升。
Comments 11 pages, 4 figures. Submitted to ACL 2026
AutoSAM：一种用于自动化生成SAM代码输入文件的代理框架，结合多模态检索增强生成
机构 * Department of Nuclear Engineering, Texas A\&M University. ； Engineering Division, Argonne National Laboratory
专题命中 检索器与排序 ：retrieval-augmented generation(title,abstract)；分类 cs.AI
AI总结 AutoSAM通过多模态检索增强生成技术，自动化生成SAM代码输入文件，解决异构工程文档中提取设计数据并转换为求解器语法的难题，实现100%结构化输入利用和88%PDF文本提取。
Comments 34 Pages, 14 Figures
基于知识的检索增强生成用于零样本心理数据：隐私保护的合成数据生成
机构 * SimulaMet ； Oslo Metropolitan University（奥斯陆城市大学） ； Uppsala University（乌普萨拉大学）
专题命中 检索器与排序 ：retrieval-augmented generation(title,abstract)
AI总结 本文提出一种零样本知识引导框架，利用检索增强生成技术生成隐私保护的合成心理数据，通过对比CTGAN和TVAE模型，证明临床知识增强LLM在生成高质量、隐私保护的合成数据方面具有优势。
Comments Submitted to CBMS 2026
RobustVisRAG: 基于因果性的视觉增强检索增强生成方法在视觉退化下的鲁棒性
机构 * National Taiwan University（国立台湾大学） ； Microsoft（微软）
专题命中 检索器与排序 ：retrieval-augmented generation(title,abstract)
AI总结 本文提出RobustVisRAG，通过双路径框架分离语义与退化因素，提升在视觉退化下的检索生成性能，实验显示在真实退化条件下性能提升显著。
Comments Accepted by CVPR2026; Project Page: https://robustvisrag.github.io
MPFormer：面向工业多任务个性化序列检索的自适应框架
机构 * Kuaishou Technology（快手科技） ； Unaffiliated（无隶属）
专题命中 检索器与排序 ：retriever(title)；分类 cs.IR、cs.AI
AI总结 本文提出MPFormer框架，通过三项创新机制解决多阶段优化不一致问题，提升推荐系统用户参与度和系统效率。
Comments CIKM 2025
Journal ref Proceedings of the 34th ACM International Conference on Information and Knowledge Management (CIKM '25), November 10--14, 2025, Seoul, Republic of Korea
增强联邦智能检索
机构 * Flower Labs
专题命中 检索器与排序 ：RAG(abstract)；分类 cs.IR、cs.CL
AI总结 本文提出一个安全的联邦RAG系统，通过本地数据检索和服务器端加密环境实现隐私保护的远程LLM推理，并引入非保密第三方模型作为辅助上下文。
Comments 6 pages, 1 figure, 2 tables
EcoThink: 一种绿色自适应推理框架，用于可持续和可及的智能体
机构 * The University of Sydney（悉尼大学） ； University of Liverpool（利物浦大学）
专题命中 检索器与排序 ：knowledge retrieval(abstract)；分类 cs.AI
AI总结 本文提出EcoThink框架，通过轻量级路由器动态评估查询复杂度，减少推理能耗40.4%，提升AI可持续性和可及性。
Comments Accepted by WWW 2026
CLAR：基于检索增强的语音大语言模型的上下文语音识别中的CIF局部对齐
机构 * BRVoice Team, Bairong, Inc., China（BRVoice团队，百融云创，中国）
专题命中 检索器与排序 ：retriever(abstract)
AI总结 CLAR通过CIF学习单调性token级对齐，提升语音识别中专有名词和长尾词的识别效果，减少表示稀释和注意力漂移，提高检索准确率。
Comments Submitted to Interspeech 2026
SIVF：面向流式向量搜索的GPU驻留IVF索引
专题命中 向量检索 ：vector search(title,abstract)；分类 cs.IR、cs.DB
AI总结 SIVF是一种GPU原生的IVF索引，通过冲突自由的slab分配和非连续内存的合并搜索算法，实现流式向量搜索中的高效原地修改，显著降低删除延迟并展现接近线性的扩展性。
GateANN: 在SSD上的I/O高效过滤向量搜索
专题命中 向量检索 ：vector search(title,abstract)；分类 cs.DB
AI总结 GateANN通过解耦图遍历与向量检索，实现SSD上的高效过滤向量搜索，减少SSD读取次数并提升吞吐量。
通过证据蒸馏和写回丰富训练知识库
机构 * Peking University（北京大学） ； Georgia Institute of Technology（佐治亚理工学院） ； Tsinghua University（清华大学）
专题命中 知识库问答 ：retrieval-augmented generation(abstract)；RAG(abstract)；分类 cs.IR、cs.CL、cs.AI
AI总结 本文提出WriteBack-RAG框架，通过标注示例识别检索成功区域，提取相关文档并蒸馏为紧凑知识单元，提升RAG系统性能，平均提升2.14%。
Comments 15 pages
通过LLM增强的跨城市学习预测极端事件中的人类移动
机构 * Department of Electronic Engineering, Beijing National Research Center for Information Science and Technology (BNRist), Tsinghua University（清华大学电子工程系、北京信息科学与技术国家研究中心）
专题命中 长文档RAG ：RAG(abstract)；分类 cs.AI
AI总结 本文提出X-MLM框架，利用LLM建模移动意图，跨城市转移极端事件对移动意图的影响知识，提升极端事件中的人类移动预测性能。
具有知识图谱的代理RAG用于现实世界应用中的复杂多跳推理
机构 * Ekimetrics
专题命中 图谱与结构化RAG ：RAG(title,abstract)；retrieval-augmented generation(abstract)；分类 cs.IR、cs.AI
AI总结 INRAExplorer通过多工具架构和知识图谱实现复杂多跳推理，提升专业领域知识交互能力。
Comments ECAI 2025 demo track, 4 pages
Journal ref ECAI 2025, Frontiers in Artificial Intelligence and Applications, vol. 413, pp. 5163-5166, IOS Press
PIDP-Attack：将提示注入与数据库污染攻击结合在检索增强生成系统中
机构 * The Chinese University of Hong Kong, Shenzhen（香港中文大学（深圳）） ； Taobao and Tmall Group（淘宝和天猫集团）
专题命中 图谱与结构化RAG ：retrieval-augmented generation(title,abstract)；RAG(abstract)；分类 cs.AI
AI总结 本文提出PIDP-Attack，结合提示注入与数据库污染攻击，针对检索增强生成系统中的对抗攻击问题，通过在推理时添加恶意字符并注入少量污染文档，有效操控LLM响应，实验显示其在开放域问答任务中攻击成功率提升4%-16%。
CodeRefine: 一种提升研究论文中大语言模型生成代码实现的管道
专题命中 图谱与结构化RAG ：retrieval-augmented generation(abstract)；分类 cs.CL、cs.AI
AI总结 CodeRefine通过多步骤方法将论文方法转化为功能代码，利用预定义本体构建知识图谱，并通过回顾性检索增强生成方法提升代码准确性，有效解决理论研究与实践实现之间的桥梁问题。
Comments The results mentioned in the paper are non-reproducible. We have rechecked the metrics, and they do not match with the ones that have been provided in the paper. Therefore, we accept that this article is neither suitable nor up to the mark for the scientific community and must be with-drawn. We fully understand the consequences, and would like to wishfully retract this article
自适应分块：为RAG优化分块方法选择
机构 * Ekimetrics
专题命中 RAG评测 ：RAG(title,abstract)；retrieval-augmented generation(abstract)；分类 cs.IR、cs.CL、cs.AI
AI总结 本文提出自适应分块框架，通过五个新指标优化分块策略，提升RAG性能，使答案正确率提升至72%，问题解答数增加30%。
Comments Accepted at LREC 2026. 10 pages, 4 figures. Code: https://github.com/ekimetrics/adaptive-chunking
从循证医学到知识图谱：面向体育康复的检索增强生成及领域基准
机构 * Beijing Key Laboratory of Sports Performance and Skill Assessment, Beijing Sport University（北京体育大学北京市运动表现与技能评估重点实验室） ； Department of Exercise Physiology, School of Sport Science, Beijing Sport University（北京体育大学运动科学学院运动生理学教研室） ； School of Sport Medicine and Physical Therapy, Beijing Sport University（北京体育大学运动医学与康复学院） ； Rehabilitation Center, Beijing Rehabilitation Hospital（北京康复医院康复中心） ； Optum Care Washington ； School of Management, Beijing Sport University（北京体育大学管理学院） ； Department of Statistics and Actuarial Science, The University of Hong Kong（香港大学统计与精算学系）
专题命中 RAG评测 ：retrieval-augmented generation(title,abstract)；RAG(abstract)；分类 cs.CL
AI总结 本文提出SR-RAG框架，结合PICO框架构建知识图谱并改进检索，引入贝叶斯证据层级重排序方法，通过体育康复验证，释放包含357844个节点和371226条边的知识图谱及1637个问答对基准，显著优于基线模型。
Comments 18 pages, 3 figures, 9 tables
OMIND：面向心理健康大语言模型的知识引导微调与多轮对话基准框架
机构 * Indian Institute of Technology Bombay（印度理工学院孟买分校）
专题命中 RAG评测 ：knowledge retrieval(abstract)；分类 cs.CL
AI总结 本文提出OMIND框架，通过结构化知识检索、模型剪枝和人工审核生成高质量多任务SFT数据集，并引入oMind-Chat多轮对话基准，验证了其在核心能力和对话任务上的优越性能。
Comments 9 pages, 3 figures, 5 tables
扫码添加微信好友，提出您的宝贵建议 👇
💡 备注请填写：网站反馈