RAG / 检索增强生成

EnterpriseRAG-Bench: A RAG Benchmark for Company Internal Knowledge

EnterpriseRAG-Bench: 一个用于企业内部知识的RAG基准测试

Yuhong Sun, Joachim Rahmfeld, Chris Weaver, Weijia Chen, Roshan Desai, Wenxi Huang, Mark H. Butler

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

AI总结 本文提出EnterpriseRAG-Bench，一个包含50万文档和500个问题的基准测试，用于评估和比较基于检索增强生成（RAG）方法在企业内部知识处理中的性能。

Comments Code and dataset available at https://github.com/onyx-dot-app/EnterpriseRAG-Bench or https://huggingface.co/datasets/onyx-dot-app/EnterpriseRAG-Bench

Facet-Level Tracing of Evidence Uncertainty and Hallucination in RAG

面向证据不确定性和幻觉的面级追踪（RAG）

Passant Elchafei, Monorama Swain, Shahed Masoudian, Markus Schedl

机构 * Johannes Kepler University Linz（约翰内斯·开普勒大学林茨） ； Linz Institute of Technology（林茨技术学院） ； Institute of Computational Perception（计算感知研究所） ； Artificial Intelligence Lab（人工智能实验室） 纠错

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

AI总结 本文提出了一种面向问答任务的面级诊断框架，通过分解每个输入问题为原子推理面，评估证据充分性和基础性，揭示RAG系统中幻觉产生的根源在于生成过程中证据整合的方式，而非检索准确性。

APM: Evaluating Style Personalization in LLMs with Arbitrary Preference Mappings

APM：通过任意偏好映射评估大语言模型中的风格个性化

Philipp Spohn, Leander Girrbach, Zeynep Akata

机构 * Technical University of Munich, Helmholtz Munich（慕尼黑技术大学，亥姆霍兹慕尼黑） ； Munich Center for Machine Learning (MCML)（慕尼黑机器学习中心（MCML）） 纠错

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

AI总结 本研究提出APM基准，通过隐式偏好映射评估大语言模型的风格个性化能力，发现路由方法是最可靠的方法，而RAG和软提示优化在强基础模型上才有提升。

ComplexMCP: Evaluation of LLM Agents in Dynamic, Interdependent, and Large-Scale Tool Sandbox

ComplexMCP: 评估LLM代理在动态、相互依赖和大规模工具沙箱中的表现

Yuanyang Li, Xue Yang, Longyue Wang, Weihua Luo, Hongyang Chen

机构 * Zhejiang University（浙江大学） ； Zhejiang Lab（浙江实验室） ； Alibaba Group（阿里巴巴集团） 纠错

专题命中 RAG评测 ：RAG(abstract,abstract_cn)；分类 cs.AI

AI总结 本文提出ComplexMCP基准，用于评估LLM代理在动态、相互依赖和大规模工具环境中的性能，揭示了现有模型在复杂任务中的不足，指出三个关键瓶颈：工具检索饱和、过度自信和战略投降倾向。

Pramana: A Protocol-Layer Treatment of Claim Verification in Autonomous Agent Networks

Pramana：自主代理网络中声明验证的协议层处理

Ravi Kiran Kadaboina

专题命中 RAG评测 ：RAG(abstract,abstract_cn)

AI总结 本文提出Pramana协议层，通过定义缺失的线缆格式，为自主代理网络中的声明验证提供结构化方法，结合经典印度认识论中的四种知识类型，确保验证过程的确定性和可追溯性。

Comments 23 pages, 4 figures, 5 tables, 42 references

WCXB: A Multi-Type Web Content Extraction Benchmark

WCXB：一个多类型网络内容提取基准

Murrough Foley

机构 * Murrough Foley 纠错

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

AI总结 本文提出WCXB基准，包含2008个网页，涵盖七种结构不同的页面类型，通过五阶段流程生成真实标注，评估13种提取系统，发现现有文章-only基准无法发现结构化页面的盲区。

Comments Dataset: github.com/Murrough-Foley/web-content-extraction-benchmark, doi.org/10.5281/zenodo.19316874. Leaderboard: webcontentextraction.org. Preprint also deposited at doi.org/10.5281/zenodo.19664685