RAG / 检索增强生成

KEO: Knowledge Extraction on OMIn via Knowledge Graphs and RAG for Safety-Critical Aviation Maintenance

KEO：通过知识图谱和RAG进行OMIn的领域知识提取

Kuangshi Ai, Jonathan A. Karr, Meng Jiang, Nitesh V. Chawla, Chaoli Wang

机构 * University of Notre Dame（圣母大学） 纠错

专题命中 图谱与结构化RAG ：RAG(title,abstract)；retrieval-augmented generation(abstract)；分类 cs.IR、cs.CL

AI总结 KEO通过知识图谱和RAG框架提升航空安全维护中的领域知识提取与推理，实验显示其在全局理解上优于传统文本块RAG，同时保持对细粒度任务的有效性。

Detecting RAG Advertisements Across Advertising Styles

跨广告风格检测RAG广告

Sebastian Heineking, Wilhelm Pertsch, Ines Zelch, Janek Bevendorff, Benno Stein, Matthias Hagen, Martin Potthast

专题命中 图谱与结构化RAG ：RAG(title,abstract)；retrieval-augmented generation(abstract)；分类 cs.IR

AI总结 本文提出了一种广告风格分类体系，模拟广告商通过改变风格逃避检测，并评估了多种广告检测方法在不同风格变化下的鲁棒性。

Understanding Structured Financial Data with LLMs: A Case Study on Fraud Detection

用大型语言模型理解结构化金融数据：欺诈检测案例研究

Xuwei Tan, Yao Ma, Xueru Zhang

机构 * The Ohio State University（俄亥俄州立大学） ； Coinbase, Inc.（Coinbase公司） 纠错

专题命中 图谱与结构化RAG ：RAG(abstract)；分类 cs.CL

AI总结 本文提出FinFRE-RAG方法，通过特征缩减和检索增强学习提升欺诈检测性能，优于直接提示方法并在某些设置中与传统模型竞争。

Comments Accepted to ACL 2026 Main Conference