RAG / 检索增强生成

RAGRouter-Bench: A Dataset and Benchmark for Adaptive RAG Routing

RAGRouter-Bench：一种自适应RAG路由的数据库和基准测试

Ziqi Wang, Xi Zhu, Shuhang Lin, Haochen Xue, Minghao Guo, Yongfeng Zhang

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

AI总结 本文提出RAGRouter-Bench，首个用于自适应RAG路由的数据库和基准测试，通过整合查询-语料兼容性、细粒度语料指标和统一评估协议，系统评估生成质量和资源消耗，验证自适应路由在不同查询-语料上下文中的有效性。

Lightweight Query Routing for Adaptive RAG: A Baseline Study on RAGRouter-Bench

轻量级查询路由用于自适应RAG：对RAGRouter-Bench的基准研究

Prakhar Bansal, Shivangi Agarwal

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

AI总结 本文评估了轻量级分类器在RAGRouter-Bench上的路由效果，发现TF-IDF与SVM组合在宏平均F1值和准确率上表现最佳，同时实现token节省。

Comments 5 pages, 3 tables

Unmasking Hallucinations: A Causal Graph-Attention Perspective on Factual Reliability in Large Language Models

揭示幻觉：从因果图注意力视角探讨大语言模型中的事实可靠性

Sailesh kiran kurra, Shiek Ruksana, Vishal Borusu

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

AI总结 本文提出因果图注意力网络框架，通过构建token级图来减少大语言模型中的幻觉问题，提升事实可靠性。

Comments Paper accepted for publication at IEEE International Conference on Emerging Computing and Intelligent Technologies 2026 (ICoECIT),5 Pages,5 figures,1 table