RAG / 检索增强生成

Seeking Information with RAG-Assistants: Does Model Size Matter in Human-AI Collaborations?

通过RAG助手获取信息：在人机协作中模型大小是否重要？

Lennard C. Froma, Tom Kouwenhoven, Maaike H. T. de Boer, Catholijn M. Jonker, Max J. van Duijn

机构 * Leiden University（莱顿大学） ； TNO（荷兰代尔夫特理工大学） ； TU Delft（代尔夫特理工大学） 纠错

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

AI总结 研究评估基于RAG的助手在真实多轮信息检索场景中的表现，探讨模型大小对人机协作动态及用户感知的影响，发现混合系统在信息检索中具有优势。

"I Don't Know" -- Towards Appropriate Trust with Certainty-Aware Retrieval Augmented Generation

我不知道--迈向具有确定性意识的适当信任

Daan Di Scala, Maaike de Boer, Pınar Yolum

机构 * TNO Netherlands Organisation for Applied Scientific Research, Department Data Science（荷兰应用科学研究院，数据科学部门） ； Utrecht University, Department of Information and Computing Sciences（乌得勒支大学，信息与计算科学系） 纠错

专题命中 RAG评测 ：retrieval augmented generation(title,abstract)；RAG(abstract,abstract_cn)；分类 cs.IR、cs.AI

AI总结 本文提出CERTA系统，通过结合问题、上下文和答案的相关性来反映不确定性，以建立适当的信任。研究创建了Certainty Benchmark，并通过实验验证了CERTA在减少过度同意和提供谨慎行为方面的有效性。

Comments To be published in VALE 2025 Proceedings

Feedback-Normalized Developer Memory for Reinforcement-Learning Coding Agents: A Safety-Gated MCP Architecture

反馈归一化的开发者内存用于强化学习编码代理：一种安全门控MCP架构

Mehmet Iscan

机构 * PythaLab, Yildiz Technical University, Istanbul, Türkiye（PythaLab，伊兹密尔技术大学，伊斯坦布尔，土耳其） 纠错

专题命中 RAG评测 ：RAG(abstract,abstract_cn)；retrieval-augmented generation(abstract)；分类 cs.CL

AI总结 本文提出RL Developer Memory架构，通过归一化反馈和安全门控机制提升强化学习编码代理的内存管理，实验证明其在确定性任务中的有效性。

Comments 25 pages, 5 figures, 7 tables. Preprint. Implementation and supplementary artifacts are available at the project repository

Barriers to Counterfactual Credit Attribution for Autoregressive Models

自回归模型中反事实信用归因的障碍

Aloni Cohen, Chenhao Zhang

专题命中 RAG评测 ：RAG(abstract,abstract_cn)

AI总结 研究自回归模型中反事实信用归因的挑战，发现信用归因不具有自回归性，且基于弱最优性要求的反事实归因需指数级查询复杂度。

Comments ICML 2026

EngiBench: A Benchmark for Evaluating Large Language Models on Engineering Problem Solving

EngiBench：用于评估大型语言模型在工程问题解决上的基准

Xiyuan Zhou, Xinlei Wang, Yirui He, Yang Wu, Ruixi Zou, Yuheng Cheng, Yulu Xie, Wenxuan Liu, Huan Zhao, Yan Xu, Jinjin Gu, Junhua Zhao

机构 * Nanyang Technological University（南洋理工大学） ； The University of Sydney（悉尼大学） ； The Chinese University of Hong Kong, Shenzhen（香港中文大学（深圳）） ； Shenzhen Loop Area Institute（深圳河套学院） ； The University of Hong Kong（香港大学） ； Hong Kong Polytechnic University（香港理工大学） ； AIRS 纠错

专题命中 RAG评测 ：knowledge retrieval(abstract)；分类 cs.AI

AI总结 EngiBench是一个分层基准，用于评估大型语言模型在解决工程问题上的能力，涵盖基础知识检索、情境推理和开放性建模三个层次，揭示当前LLM在现实工程中仍缺乏高级推理能力。

Comments Accepted at ACL 2026 Findings