RAG / 检索增强生成

AdaGATE: Adaptive Gap-Aware Token-Efficient Evidence Assembly for Multi-Hop Retrieval-Augmented Generation

AdaGATE：适应性间隙感知的令牌高效证据组装用于多跳检索增强生成

Yilin Guo, Yinshan Wang, Yixuan Wang

机构 * Center for Data Science（数据科学中心） ； New York University（纽约大学） ； Tandon School of Engineering（泰顿工程学院） 纠错

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

AI总结 AdaGATE通过适应性间隙感知修复和令牌高效证据选择，提升多跳RAG在不完美检索下的鲁棒性，实现最佳证据F1得分。

Comments 10 pages, 4 figures, 2 tables

Reinforced Informativeness Optimization for Long-Form Retrieval-Augmented Generation

强化信息量优化用于长文本检索增强生成

Yuhao Wang, Ruiyang Ren, Yucheng Wang, Wayne Xin Zhao, Jing Liu, Hua Wu, Haifeng Wang

机构 * Gaoling School of Artificial Intelligence, Renmin University of China（中国人民大学公安学院人工智能学院） ； Baidu Inc.（百度公司） 纠错

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

AI总结 本文提出RioRAG框架，通过 nugget-centric 验证实现可验证的信息量优化，提升长文本检索增强生成的准确性和稳定性。

MiA-Signature: Approximating Global Activation for Long-Context Understanding

MiA-Signature：近似全局激活以实现长上下文理解

Yuqing Li, Jiangnan Li, Mo Yu, Zheng Lin, Weiping Wang, Jie Zhou

机构 * Institute of Information Engineering, Chinese Academy of Sciences（中国科学院信息工程研究所） ； School of Cyber Security, University of Chinese Academy of Sciences（中国科学院大学网络安全学院） ； Pattern Recognition Center, WeChat AI, Tencent（微信AI模式识别中心） ； Hunyuan Team, Tencent（腾讯文心一言团队） 纠错

专题命中 长文档RAG ：RAG(abstract,abstract_cn)；分类 cs.CL

AI总结 本文提出MiA-Signature，通过压缩表示近似全局激活对下游处理的影响，提升长上下文理解任务的性能。

Comments This is a work in progress; we will continue to revise and improve the manuscript