AI 大模型

RAG / 检索增强生成

检索增强生成、向量检索、知识库问答和面向大模型的搜索系统。

2026-04-29 至 2026-04-29 共收录 2 篇信号源：cs.IR, cs.CL, cs.AI, cs.DB

1. RAG评测 2 篇

2510.20303 2026-04-29 cs.CL 81%

Citation Failure: Definition, Analysis and Efficient Mitigation

引用失败：定义、分析与高效缓解

Jan Buchmann, Iryna Gurevych

机构 * Ubiquitous Knowledge Processing Lab (UKP Lab)（普遍知识处理实验室）； Department of Computer Science（计算机科学系）； Hessian Center for AI (hessian.AI)（黑森人工智能中心）； Technical University of Darmstadt（达姆施塔特技术大学）

专题命中 RAG评测：RAG(summary_cn,abstract)；分类 cs.CL

AI总结本文研究了LLM基于RAG系统的引用失败问题，提出CITECONTROL基准以分析失败模式，并通过CITENTION框架提升引用效率。

Comments Accepted to TACL in April 2024. Paper repository: https://github.com/UKPLab/tacl2026-citation-failure

2511.21745 2026-04-29 cs.DL 80%

AI-Augmented Bibliometric Framework: A Paradigm Shift with Agentic AI for Dynamic, Snippet-Based Research Analysis

增强型文献计量框架：基于代理AI的范式转变用于动态、片段式研究分析

Adela Bara, Simona-Vasilica Oprea

专题命中 RAG评测：RAG(abstract,abstract_cn)；retrieval augmented generation(abstract)；retriever(abstract)

AI总结本文提出一个生成式多代理AI框架，通过自然语言指令实现动态代码基文献计量分析，无需专业编程技能，支持多模态全文检索、代理探索和动态指标创建，突破传统工具的限制。