AI 大模型
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。
面向《数字历史期刊》的交互式证据RAG同行评审工作空间
专题命中 RAG评测 ：RAG(title,title_cn)
AI总结 提出一个交互式证据RAG工作空间，用于《数字历史期刊》的AI辅助同行评审编辑评估，通过链接评论、证据、检索痕迹和可重复性检查提高模型建议的可检查性，初步评估显示严格准确率70.0%，有用输出率90.0%。
Comments Preliminary version of a full paper. 9 pages, 1 figure, 5 tables. Associated with an accepted presentation at AI through History, History through AI, C2DH, University of Luxembourg, 15-16 June 2026
记忆决定差异：评估不同记忆角色如何塑造对话代理
机构 * Dartmouth College（达特茅斯学院） ； Microsoft（微软公司）
专题命中 RAG评测 ：RAG(summary_cn,abstract)；分类 cs.IR、cs.CL、cs.AI
AI总结 本研究提出对话记忆细粒度分类法，通过用户中心评估框架，揭示不同类型记忆（如澄清记忆、无关记忆）对RAG对话系统响应准确性、个性化及主题相关性的差异化影响。
大语言模型在研究级数学问题上的失败模式：分类与实证刻画
机构 * Dept. of CSE (Data Science) Heritage Institute of Technology（计算机科学与工程系（数据科学）哈里特技术学院）
专题命中 RAG评测 ：RAG(abstract,abstract_cn)；retrieval-augmented generation(abstract)；分类 cs.AI
AI总结 本文通过分析“First Proof”基准测试中LLM的错误，识别出四种失败模式（F1-F4），并审计Gemini 2.5 Flash生成的证明，发现前提走私（F2）普遍存在且无法被引文验证检测，提出应构建推理时管道预防而非事后检测。
可验证的清单签名与透明度强制：面向基于MCP的安全LLM流水线
机构 * SWAT Laboratory, Polytechnique Montréal（SWAT实验室，蒙特利尔理工学院） ； SæT Laboratory, Polytechnique Montréal（SæT实验室，蒙特利尔理工学院）
专题命中 RAG评测 ：RAG(abstract,abstract_cn)；retrieval-augmented generation(abstract)；分类 cs.AI
AI总结 针对MCP协议缺乏工具清单认证的问题，提出清单级强制层，通过策略验证、新鲜度检查、数字签名、执行前验证和Merkle透明度日志，实现低开销、可追溯的LLM工具调用安全控制。
弥合出院后鸿沟：用于安全持续护理的可追溯多智能体框架
专题命中 RAG评测 ：retrieval-augmented generation(abstract)
AI总结 提出Healink框架，通过记忆增强的多智能体架构和约束检索生成，实现基于处方的可追溯出院后随访，在回顾性和盲评中优于医生基线。
Comments 23 pages, 10 figures
扫码添加微信好友，提出您的宝贵建议 👇
💡 备注请填写：网站反馈