RAG / 检索增强生成

When RAG Chatbots Expose Their Backend: An Anonymized Case Study of Privacy and Security Risks in Patient-Facing Medical AI

当RAG聊天机器人暴露其后端：对患者面向医疗AI隐私和安全风险的匿名案例研究

Alfredo Madrid-García, Miguel Rujas

机构 * Independent researcher（独立研究者） ； Escuela Técnica Superior de Ingenieros de Telecomunicación Universidad Politécnica de Madrid（电信工程学院理工大学） 纠错

专题命中 长文档RAG ：RAG(title,title_cn)；retrieval-augmented generation(abstract)；分类 cs.CL、cs.AI

AI总结 研究通过匿名案例分析，揭示了患者面向RAG聊天机器人中隐私和安全风险，指出通过浏览器工具可发现关键漏洞，强调部署前需独立审查。

Hierarchical Abstract Tree for Cross-Document Retrieval-Augmented Generation

分层抽象树用于跨文档检索增强生成

Ziwen Zhao, Menglin Yang

机构 * The Hong Kong University of Science and Technology (Guangzhou)（香港科技大学（广州）） 纠错

专题命中 长文档RAG ：RAG(summary_cn,abstract)；retrieval-augmented generation(title,abstract)；retriever(abstract)；分类 cs.IR、cs.AI

AI总结 本文提出Ψ-RAG框架，通过迭代'合并与坍缩'过程构建分层抽象树索引，并引入多粒度检索代理，解决传统树状RAG在跨文档多跳问题中的分布适应性、结构隔离和抽象粗粒度等挑战，实验表明其在跨文档多跳问答任务中表现更优。

Comments ICML 2026