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。

2026-06-18 至 2026-06-18 共收录 2 篇信号源：cs.IR, cs.CL, cs.AI, cs.DB

1. 长文档RAG 2 篇

2606.18381 2026-06-18 cs.CL cs.IR 新提交 89%

SproutRAG: Attention-Guided Tree Search with Progressive Embeddings for Long-Document RAG

SproutRAG: 基于注意力引导的树搜索与渐进嵌入的长文档RAG

Amirhossein Abaskohi, Issam H. Laradji, Peter West, Giuseppe Carenini

机构 * University of British Columbia（不列颠哥伦比亚大学）； ServiceNow Research（ServiceNow研究院）

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

AI总结提出SproutRAG，通过注意力引导构建句子级分块树，实现多粒度检索，无需额外LLM调用，平均信息效率提升6.1%。

2606.18781 2026-06-18 cs.CL 新提交 57%

Lost in a Single Vector: Improving Long-Document Retrieval with Chunk Evidence Aggregation

迷失在单一向量中：通过分块证据聚合改进长文档检索

Shanshan Lyu, Yiwei Wang, Yujun Cai, Jiafeng Guo, Shenghua Liu

机构 * Chongqing University（重庆大学）； State Key Laboratory of AI Safety（人工智能安全国家重点实验室）； Institute of Computing Technology, Chinese Academy of Sciences（中国科学院计算技术研究所）； University of California, Merced（加州大学默塞德分校）； University of Queensland（昆士兰大学）； University of Chinese Academy of Sciences（中国科学院大学）

专题命中长文档RAG ：dense retrieval(abstract)；分类 cs.CL

AI总结针对长文档检索中单向量编码削弱关键片段证据的问题，提出无训练的分块证据聚合策略DICE，通过独立编码分块并聚合为单一向量，在保持标准接口的同时显著提升检索性能。

Comments Code is available at https://github.com/PunchlineAAAA/DICE