RAG / 检索增强生成

mKG-RAG: Leveraging Multimodal Knowledge Graphs in Retrieval-Augmented Generation for Knowledge-intensive VQA

mKG-RAG：利用多模态知识图谱在检索增强生成中进行知识密集型视觉问答

Xu Yuan, Liangbo Ning, Qingqing Ye, Wenqi Fan, Qing Li

机构 * The Hong Kong Polytechnic University（香港理工大学） 纠错

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

AI总结 本文提出mKG-RAG框架，通过整合多模态知识图谱提升检索增强生成在知识密集型视觉问答中的性能，采用双阶段检索策略和图提取方法构建高质量知识图谱，实验表明优于现有方法。

Comments In Proceedings of the 49th International ACM SIGIR Conference on Research and Development in Information Retrieval (SIGIR'26), July 20-24, 2026, Melbourne, VIC, Australia

Beyond Quacking: Deep Integration of Language Models and RAG into DuckDB

超越鸭子叫：将语言模型和RAG深度整合到DuckDB中

Anas Dorbani, Sunny Yasser, Jimmy Lin, Amine Mhedhbi

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

AI总结 本文提出FlockMTL，通过整合语言模型和RAG技术，简化了知识密集型分析应用的开发，采用模型驱动的函数和SQL抽象优化实现效率。

Journal ref Proc. VLDB Endow. (PVLDB), Vol. 18, No. 12, pp. 5415-5418 (2025)

ComplianceNLP: Knowledge-Graph-Augmented RAG for Multi-Framework Regulatory Gap Detection

ComplianceNLP：基于知识图谱的多框架监管缺口检测RAG系统

Dongxin Guo, Jikun Wu, Siu Ming Yiu

机构 * The University of Hong Kong（香港大学） ； Stellaris AI Limited（Stellaris AI有限公司） 纠错

专题命中 图谱与结构化RAG ：RAG(title,title_cn)；分类 cs.IR、cs.CL

AI总结 ComplianceNLP通过整合知识图谱增强的RAG系统，实现监管变化自动监控、义务提取及合规缺口识别，其在监管缺口检测上达到87.7 F1，优于GPT-4o+RAG，且在实际部署中显著提升分析师效率。

Comments Accepted at ACL 2026 Industry Track. 19 pages, 15 tables, 1 figure

FinGround: Detecting and Grounding Financial Hallucinations via Atomic Claim Verification

FinGround：通过原子性声明验证检测和支撑金融幻觉

Dongxin Guo, Jikun Wu, Siu Ming Yiu

机构 * The University of Hong Kong（香港大学） ； Stellaris AI Limited（Stellaris AI有限公司） 纠错

专题命中 图谱与结构化RAG ：RAG(abstract,abstract_cn)；hybrid retrieval(abstract)；分类 cs.IR、cs.CL、cs.AI

AI总结 FinGround通过三阶段验证-支撑流程，针对金融文档问答中的计算错误进行验证和修正，有效降低幻觉率，其在金融领域具有重要应用价值。

Comments Accepted to ACL 2026 Industry Track. 14 pages, 1 figure, 14 tables

RedParrot: Accelerating NL-to-DSL for Business Analytics via Query Semantic Caching

RedParrot：通过查询语义缓存加速业务分析中的自然语言到DSL转换

Tong Wang, Yongqin Xu, Jianfeng Zhang, Lingxi Cui, Wenqing Wei, Suzhou Chen, Huan Li, Ke Chen, Lidan Shou

机构 * State Key Laboratory of Blockchain and Data Security（区块链与数据安全国家重点实验室） 纠错

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

AI总结 RedParrot通过语义缓存加速自然语言到领域特定语言的转换，提升业务分析效率与准确性，实验显示在六个真实企业数据集上平均提速3.6倍，准确率提升8.26%。

From Language to Logic: Bridging LLMs & Formal Representations for RTL Assertion Generation

从语言到逻辑：桥接LLMs与形式表示以生成RTL断言

Nowfel Mashnoor, Hadi Kamali, Kimia Azar

专题命中 图谱与结构化RAG ：RAG(abstract,abstract_cn)；retrieval-augmented generation(abstract)

AI总结 本文提出ProofLoop工具增强的ReAct代理，通过求解器在环方法从自然语言规范生成SVA，实现93.7%的语法正确性和82.0%的功能正确性。

SEARCH-R: Structured Entity-Aware Retrieval with Chain-of-Reasoning Navigator for Multi-hop Question Answering

SEARCH-R: 结构化实体感知检索与推理链导航器用于多跳问答

Yuqing Fu, Yimin Deng, Wanyu Wang, Yuhao Wang, Yejing Wang, Hongshi Liu, Yiqi Wang, Xiao Han, Maolin Wang, Guoshuai Zhao, Yi Chang, Xiangyu Zhao

机构 * City University of Hong Kong（香港城市大学） ； Xi’an Jiaotong University（西安交通大学） ； Zhejiang University of Technology（浙江工业大学） ； Michigan State University（密歇根州立大学） ； Jilin University（吉林大学） 纠错

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

AI总结 SEARCH-R通过结构化实体感知检索与推理链导航器，解决多跳问答中推理路径生成和知识检索的准确性问题，提升多跳问答性能。

Comments ACL2026 findings

RaV-IDP: A Reconstruction-as-Validation Framework for Faithful Intelligent Document Processing

RaV-IDP：一种用于忠实智能文档处理的重建-验证框架

Pritesh Jha

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

AI总结 RaV-IDP通过引入重建作为核心组件，在提取实体后将其还原为原始文档形式，通过比较重建与源区域的忠实度来验证提取结果的准确性，采用GPT-4.1视觉模型作为回退机制，并提供阶段评估框架。