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。

2026-05-12 至 2026-05-12 共收录 3 篇信号源：cs.IR, cs.CL, cs.AI, cs.DB

1. 向量检索 3 篇

2605.10296 2026-05-12 cs.CL cs.AI cs.IR cs.LG 89%

Qwen Goes Brrr: Off-the-Shelf RAG for Ukrainian Multi-Domain Document Understanding

Qwen 冰点来袭：面向乌克兰多领域文档理解的即用型RAG

Anton Bazdyrev, Ivan Bashtovyi, Ivan Havlytskyi, Oleksandr Kharytonov, Artur Khodakovskyi

机构 * National Technical University of Ukraine（乌克兰国家技术大学）

专题命中向量检索：RAG(title,title_cn)；dense retrieval(abstract)；分类 cs.IR、cs.CL、cs.AI

AI总结本文提出一种基于RAG的多领域文档理解系统，通过上下文分块、问题感知密集检索与重排序及受限答案生成提升召回率和准确率。

Comments Accepted to The Fifth Ukrainian Natural Language Processing Conference (UNLP 2026)

2605.10090 2026-05-12 cs.IR 57%

CCD-Level and Load-Aware Thread Orchestration for In-Memory Vector ANNS on Multi-Core CPUs

面向内存向量近似最近邻搜索的CCD级别和负载感知线程协调

Yuchen Huang, Baiteng Ma, Yiping Sun, Yang Shi, Xiao Chen, Xiaocheng Zhong, Zhiyong Wang, Yao Hu, Chuliang Weng

专题命中向量检索：vector search(abstract)；分类 cs.IR

AI总结本文提出一种基于CCD架构的线程协调框架，通过优化任务调度和负载平衡，提升多核CPU在内存向量搜索中的吞吐量和响应速度。

Comments Accepted by ICDE'26

2605.09942 2026-05-12 cs.AI 57%

HAGE: Harnessing Agentic Memory via RL-Driven Weighted Graph Evolution

HAGE: 通过RL驱动的加权图进化利用代理记忆

Dongming Jiang, Yi Li, Guanpeng Li, Qiannan Li, Bingzhe Li

机构 * Department of Computer Science, The University of Texas at Dallas（德克萨斯大学达拉斯分校计算机科学系）； Department of Electrical and Computer Engineering, University of Florida（佛罗里达大学电气与计算机工程系）； University of California, Davis（加州大学戴维斯分校）

专题命中向量检索：vector search(abstract)；分类 cs.AI

AI总结 HAGE提出了一种加权多关系记忆框架，通过RL驱动的训练框架优化路由行为和边表示，提升长周期推理准确性和效率。