RAG / 检索增强生成

Guaranteeing Knowledge Integration with Joint Decoding for Retrieval-Augmented Generation

通过联合解码实现知识整合的检索增强生成

Zhengyi Zhao, Shubo Zhang, Zezhong Wang, Yuxi Zhang, Huimin Wang, Yutian Zhao, Yefeng Zheng, Binyang Li, Kam-Fai Wong, Xian Wu

机构 * The Chinese University of Hong Kong（香港中文大学） ； University of International Relations（国际关系大学） ； Tencent Jarvis Lab（腾讯Jarvis实验室） ； Westlake University（西湖大学） ； Ministry of Education Key Laboratory of High Confidence Software Technologies, CUHK（教育部高可信软件技术重点实验室，香港中文大学） 纠错

专题命中 检索器与排序 ：retrieval-augmented generation(title,abstract)；RAG(abstract,abstract_cn)；分类 cs.CL

AI总结 本文提出GuarantRAG框架，通过分离推理与证据整合，提升检索增强生成的准确性和事实性，实验显示在五个问答基准上准确率提升12.1%，幻觉减少16.3%。

Beyond Black-Box Interventions: Latent Probing for Faithful Retrieval-Augmented Generation

超越黑盒干预：用于忠实检索增强生成的潜在探测

Linfeng Gao, Qinggang Zhang, Baolong Bi, Bo Zeng, Zheng Yuan, Zerui Chen, Zhimin Wei, Shenghua Liu, Linlong Xu, Longyue Wang, Weihua Luo, Jinsong Su

机构 * School of Informatics, Xiamen University（厦门大学信息学院） ； The Hong Kong Polytechnic University（香港理工大学） ； University of Chinese Academy of Sciences（中国科学院大学） ； Alibaba Group（阿里巴巴集团） ； Key Laboratory of Digital Protection and Intelligent Processing of Intangible Cultural Heritage of Fujian and Taiwan (Xiamen University), Ministry of Culture and Tourism, China（福建省和台湾非物质文化遗产数字化保护与智能处理重点实验室（厦门大学），中华人民共和国文化和旅游部，中国） 纠错

专题命中 检索器与排序 ：retrieval-augmented generation(title,abstract)；RAG(abstract,abstract_cn)；分类 cs.CL

AI总结 本文提出ProbeRAG框架，通过潜在冲突探测和注意力调节提升检索增强生成的忠实度，解决传统方法在评估知识冲突时的不足。

Comments ACL 2026 Findings; Code is available at https://github.com/LinfengGao/ProbeRAG

Building Trust in the Skies: A Knowledge-Grounded LLM-based Framework for Aviation Safety

在天空中建立信任：一种基于知识的LLM框架用于航空安全

Anirudh Iyengar, Alisa Tiselska, Dumindu Samaraweera, Hong Liu

机构 * Senior Member, IEEE（IEEE高级会员） ； IEEE 纠错

专题命中 检索器与排序 ：RAG(abstract,abstract_cn)；retrieval-augmented generation(abstract)；hybrid retrieval(abstract)；分类 cs.AI

AI总结 本文提出结合LLM和知识图谱的框架，提升航空安全分析的可信度，通过双阶段流程构建和验证安全知识，提高准确性和可追溯性。

Comments Initial version of a conference publication

Hybrid Retrieval for COVID-19 Literature: Comparing Rank Fusion and Projection Fusion with Diversity Reranking

新冠文献的混合检索：比较排名融合与投影融合与多样性重排序

Harishkumar Kishorkumar Prajapati

机构 * School of Electronic Engineering and Computer Science（电子工程与计算机科学学院） ； Queen Mary University of London（伦敦女王学院） 纠错

专题命中 检索器与排序 ：hybrid retrieval(title,abstract)；分类 cs.IR、cs.CL

AI总结 本文提出一种新冠文献混合检索系统，通过比较排名融合与投影融合方法，展示了其在相关性、效率和多样性重排序方面的性能对比。

Comments 6 pages, 7 tables, 1 figure

The Cognitive Circuit Breaker: A Systems Engineering Framework for Intrinsic AI Reliability

认知电路断路器：一种用于内在AI可靠性的系统工程框架

Jonathan Pan

机构 * Jonathan Pan 纠错

专题命中 检索器与排序 ：RAG(abstract,abstract_cn)；retrieval-augmented generation(abstract)；分类 cs.AI

AI总结 本文提出认知电路断路器框架，通过提取模型前向传递中的隐藏状态，计算认知不一致度，以实现低延迟的内在可靠性监控，同时展示其在分布外泛化中的有效性。

Comments 2 Figures

UI-Copilot: Advancing Long-Horizon GUI Automation via Tool-Integrated Policy Optimization

UI-Copilot: 通过工具集成策略优化推进长周期GUI自动化

Zhengxi Lu, Fei Tang, Guangyi Liu, Kaitao Song, Xu Tan, Jin Ma, Wenqi Zhang, Weiming Lu, Jun Xiao, Yueting Zhuang, Yongliang Shen

机构 * Zhejiang University（浙江大学） ； Apple（苹果公司） ； Tencent（腾讯） 纠错

专题命中 检索器与排序 ：retriever(abstract,abstract_cn)

AI总结 本文提出UI-Copilot框架，通过分离持久观察与临时执行上下文实现内存解耦，结合工具集成策略优化提升长周期GUI任务性能，实验显示其在MemGUI-Bench和AndroidWorld上均优于现有模型。

AMA: Adaptive Memory via Multi-Agent Collaboration

AMA：通过多智能体协作实现自适应记忆

Weiquan Huang, Zixuan Wang, Hehai Lin, Sudong Wang, Bo Xu, Qian Li, Beier Zhu, Linyi Yang, Chengwei Qin

机构 * The Hong Kong University of Science and Technology (Guangzhou)（香港科学与技术大学（广州）） ； Shandong University（山东大学） ； Nanyang Technological University（南洋理工大学） ； Southern University of Science and Technology（南方科技大学） 纠错

专题命中 检索器与排序 ：retriever(abstract)；分类 cs.AI

AI总结 本文提出AMA框架，通过多智能体协作实现自适应记忆管理，解决传统方法在记忆粒度和一致性维护上的不足，实验表明其在长上下文任务中表现优异，减少约80%的token消耗。

Comments 8 pages

Mitigating Collaborative Semantic ID Staleness in Generative Retrieval

缓解生成检索中协同语义ID过时问题

Vladimir Baikalov, Iskander Bagautdinov, Sergey Muravyov

专题命中 检索器与排序 ：retriever(abstract)；分类 cs.IR

AI总结 本文提出轻量级、模型无关的SID对齐更新方法，解决时间漂移导致的SID过时问题，提升检索性能并降低训练计算量。

Comments Accepted at SIGIR 2026. This version corresponds to the accepted manuscript

Kwame 2.0: Human-in-the-Loop Generative AI Teaching Assistant for Large Scale Online Coding Education in Africa

Kwame 2.0：面向非洲大规模在线编程教育的人机协同生成式AI助教

George Boateng, Samuel Boateng, Victor Kumbol

机构 * ETH Zurich, Switzerland（苏黎世联邦理工学院，瑞士） ； Charité - Universitätsmedizin Berlin, Germany（柏林夏里特医学院，德国） ； Kwame AI Inc., U.S.（Kwame人工智能公司，美国） 纠错

专题命中 检索器与排序 ：retrieval-augmented generation(abstract)；分类 cs.CL

AI总结 Kwame 2.0通过检索增强生成技术，在非洲35个国家的15个班级中为3717名学生提供及时准确的学习支持，结合人类监督和社区参与，有效提升编程课程的教学质量。

Comments 8 pages, Accepted at the 27th International Conference on Artificial Intelligence in Education (AIED 2026)

ROSE: Retrieval-Oriented Segmentation Enhancement

ROSE：基于检索的分割增强

Song Tang, Guangquan Jie, Henghui Ding, Yu-Gang Jiang

机构 * Fudan University（复旦大学） 纠错

专题命中 检索器与排序 ：retrieval-augmented generation(abstract)

AI总结 本文提出ROSE框架，通过引入网络检索模块和提示增强模块，提升多模态大语言模型在新兴实体和新实体分割任务中的性能，实验表明其在NEST基准上表现优异。

Comments CVPR 2026 Findings, Project Page: https://henghuiding.com/ROSE/

ASTRA: Enhancing Multi-Subject Generation with Retrieval-Augmented Pose Guidance and Disentangled Position Embedding

ASTRA：通过检索增强的姿势引导和解纠缠位置嵌入增强多主体生成

Tianze Xia, Zijian Ning, Zonglin Zhao, Mingjia Wang

机构 * Huazhong University of Science and Technology（华中科技大学） 纠错

专题命中 检索器与排序 ：RAG(abstract)

AI总结 ASTRA通过检索增强的姿势引导和解纠缠位置嵌入，解决多主体生成中身份与姿势结构的分离问题，提升姿态一致性和身份保真度。