RAG / 检索增强生成

CausalRAG2: Hierarchical Causal Knowledge Graph Design for RAG

CausalRAG2: 面向RAG的分层因果知识图谱设计

Nengbo Wang, Tuo Liang, Vikash Singh, Chaoda Song, Van Yang, Yu Yin, Jing Ma, Jagdip Singh, Vipin Chaudhary

机构 * Department of Computer and Data Sciences, Case Western Reserve University, Cleveland, OH, USA（计算机与数据科学系，凯斯西储大学，克利夫兰，OH，USA） ； Design and Innovation Department, Case Western Reserve University, Cleveland, OH, USA（设计与创新部门，凯斯西储大学，克利夫兰，OH，USA） 纠错

专题命中 图谱与结构化RAG ：RAG(title,title_cn)；retrieval augmented generation(abstract)；分类 cs.IR、cs.AI

AI总结 提出CausalRAG2框架，通过分层模块间的因果门控机制显式建模因果关系，抑制虚假相关，实现大规模知识图谱上的可扩展推理，并引入HolisQA基准，实验表明其优于现有图基RAG方法。

Comments Accepted at ICML 2026

Is GraphRAG Needed? From Basic RAG to Graph-/Agentic Solutions with Context Optimization

是否需要GraphRAG？从基础RAG到基于图/智能体的上下文优化解决方案

Long Chen, Ryan Razkenari, Yuxuan Zhou, Yuan Tian, Rahul Ghosh, Venkatesh Pappakrishnan, Disha Ahuja, Vidya Sagar Ravipati

机构 * Generative AI Innovation Center, Amazon Web Services (AWS)（亚马逊云科技（AWS）生成式AI创新中心） ； Cisco Systems, Inc.（思科系统公司） 纠错

专题命中 图谱与结构化RAG ：RAG(title,title_cn)；分类 cs.IR、cs.CL、cs.AI

AI总结 本文提出一个框架，比较常规RAG、GraphRAG、Modular RAG和Agentic RAG在9种标准化场景下的性能，并引入上下文工程方法减少19%-53%的token使用，同时发现检索-生成差距，表明扩展检索未成比例提升生成质量。

Comments Accepted to ACL 2026 GEM Workshop

Dziri Voicebot: An End-to-End Low-Resource Speech-to-Speech Conversational System for Algerian Dialect

Dziri Voicebot: 面向阿尔及利亚方言的端到端低资源语音到语音对话系统

Dihia Lanasri, Rebeh Imane Ammar Aouchiche, Abdelkarim Remmide, Fairouz Taki, Asma Kemmoum

机构 * ATM Mobilis, Saad Dahlab Blida 1 University（ATM Mobilis，萨阿德·达赫拉布·布利达第一大学） 纠错

专题命中 图谱与结构化RAG ：RAG(summary_cn)；retrieval-augmented generation(abstract)；分类 cs.CL

AI总结 针对阿尔及利亚方言的低资源挑战，提出模块化流水线集成ASR、NLU、RAG和TTS的端到端语音对话系统，在电信领域数据集上微调模型，实现低词错误率、高意图分类和实体识别性能。

An Approach for a Supporting Multi-LLM System for Automated Certification Based on the German IT-Grundschutz

基于德国IT-Grundschutz的自动化认证的多LLM支持系统方法

Lea Roxanne Muth, Marian Margraf

机构 * Department of Mathematics and Computer Science（数学与计算机科学系） 纠错

专题命中 图谱与结构化RAG ：RAG(summary_cn)；hybrid retrieval(abstract)；分类 cs.AI

AI总结 提出一种多LLM系统结合混合RAG的方法，用于半自动化BSI IT-Grundschutz认证，以提高效率、降低成本并应对NIS2指令带来的认证需求增长。

Comments Accepted for publication at the 2025 IEEE International Conference on Cyber Security and Resilience (IEEE CSR), Chania, Crete, Greece, August 4-6, 2025. 8 pages, 2 figures

BugRepro: Enhancing Android Bug Reproduction with Domain-Specific Knowledge Integration

BugRepro: 通过领域特定知识整合提升Android bug重现

Hongrong Yin, Jinhong Huang, Yao Li, Yunwei Dong, Tao Zhang

专题命中 图谱与结构化RAG ：retrieval-augmented generation(abstract)；RAG(abstract)

AI总结 本文提出BugRepro，通过整合领域知识提升Android应用bug重现的准确性和效率，实验表明其在S2R实体提取准确率和重现成功率上均显著优于现有方法。

Journal ref Autom Softw Eng 33, 89 (2026)