RAG / 检索增强生成

Insider Knowledge: How Much Can RAG Systems Gain from Evaluation Secrets?

内部知识：RAG系统能从评估秘密中获得多少收益？

Laura Dietz, Bryan Li, Eugene Yang, Dawn Lawrie, William Walden, James Mayfield

机构 * University of New Hampshire（新罕布什尔大学） ； University of Pennsylvania（宾夕法尼亚大学） ； Human Language Technology Center of Excellence, Johns Hopkins University（约翰霍普金斯大学人类语言技术卓越中心） 纠错

专题命中 RAG评测 ：RAG(title,abstract)；分类 cs.IR、cs.AI

AI总结 本文通过对比实验探讨RAG系统在评估秘密泄露时的评估风险，指出盲评和方法多样性的重要性。

Comments To appear in ECIR 2026, Lecture Notes in Computer Science, Volume 16483

LLM Benchmark-User Need Misalignment for Climate Change

LLM基准-气候变化中的用户需求错位

Oucheng Liu, Lexing Xie, Jing Jiang

专题命中 RAG评测 ：RAG(abstract)；分类 cs.CL

AI总结 研究揭示现有LLM基准与实际用户需求存在显著不匹配，提出主动知识行为框架和主题-意图-形式分类法，为基准设计、RAG系统开发和LLM训练提供指导。

Comments 37 pages (8 main), 31 figures, 14 tables