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。

2026-03-27 至 2026-03-27 共收录 3 篇信号源：cs.IR, cs.CL, cs.AI, cs.DB

1. RAG评测 3 篇

2603.25333 2026-03-27 cs.CL cs.AI cs.IR 85%

Adaptive Chunking: Optimizing Chunking-Method Selection for RAG

自适应分块：为RAG优化分块方法选择

Paulo Roberto de Moura Júnior, Jean Lelong, Annabelle Blangero

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

2601.00216 2026-03-27 cs.CL 83%

From Evidence-Based Medicine to Knowledge Graph: Retrieval-Augmented Generation for Sports Rehabilitation and a Domain Benchmark

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

Jinning Zhang, Jie Song, Wenhui Tu, Zecheng Li, Jingxuan Li, Jin Li, Xuan Liu, Taole Sha, Zichen Wei, Yan Li

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

2603.25105 2026-03-27 cs.CL 57%

OMIND: Framework for Knowledge Grounded Finetuning and Multi-Turn Dialogue Benchmark for Mental Health LLMs

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

Suraj Racha, Prashant Harish Joshi, Utkarsh Maurya, Nitin Yadav, Mridul Sharma, Ananya Kunisetty, Saranya Darisipudi, Nirmal Punjabi, Ganesh Ramakrishnan

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