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。

2026-05-29 至 2026-05-29 共收录 3 篇信号源：cs.IR, cs.CL, cs.AI, cs.DB

1. 多模态RAG 3 篇

2605.29956 2026-05-29 cs.IR 89%

Uncertainty Quantification for Multimodal Retrieval Augmented Generation

多模态检索增强生成的不确定性量化

Simon Binz, Heydar Soudani, Faegheh Hasibi

专题命中多模态RAG ：RAG(summary_cn,abstract)；retrieval augmented generation(title,abstract)；分类 cs.IR

AI总结提出 LeMUQ 方法，通过多模态和检索感知的概率信号建模不确定性，提升多模态 RAG 系统的可靠性，AUROC 平均提升 3.8%。

2605.14113 2026-05-29 cs.CV cs.AI cs.LG cs.MA 77%

ProtoMedAgent: Multimodal Clinical Interpretability via Privacy-Aware Agentic Workflows

ProtoMedAgent: 通过隐私感知的智能体工作流实现多模态临床可解释性

Alvaro Lopez Pellicer, Plamen Angelov, Marwan Bukhari, Yi Li, Eduardo Soares, Jemma Kerns

机构 * School of Computing and Communications（计算与通信学校）； Lancaster University（兰卡斯特大学）； Lancaster Medical School（兰卡斯特医学院）； PUC-Rio（里约热内卢联邦大学）； Puc-Behring Institute for AI（人工智能皮克林研究所）

专题命中多模态RAG ：RAG(abstract,abstract_cn)；retrieval-augmented generation(abstract)；分类 cs.AI

AI总结提出ProtoMedAgent框架，通过神经符号瓶颈和反射性Scribe-Critic循环约束生成过程，解决原型网络在临床报告中的语义结构缺失和检索谄媚问题，并引入k-匿名和ℓ-多样性隐私门控。

Comments CVR 2026

2505.21996 2026-05-29 cs.CV cs.AI 70%

VRAG: Learning World Models for Interactive Video Generation

VRAG：面向交互式视频生成的世界模型学习

Taiye Chen, Xun Hu, Zihan Ding, Chi Jin

机构 * Peking University（北京大学）； University of Oxford（牛津大学）； Princeton University（普林斯顿大学）

专题命中多模态RAG ：retrieval augmented generation(abstract)；retrieval-augmented generation(abstract)；分类 cs.AI

AI总结针对自回归视频生成中累积误差和记忆机制不足的问题，提出视频检索增强生成（VRAG）方法，通过显式全局状态条件降低长期累积误差并提升时空一致性。

Comments Published at NeurIPS 2025. Project page: https://sites.google.com/view/vrag