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。

2026-06-30 至 2026-06-30 共收录 4 篇信号源：cs.IR, cs.CL, cs.AI, cs.DB

1. 知识库问答 4 篇

2606.29706 2026-06-30 cs.IR cs.AI cs.CL cs.LG 90%

ARMOR: 面向低资源电信问答的自适应检索器优化

Heshan Fernando, Quan Xiao, Yan Xin, Tianyi Chen

机构 * Rensselaer Polytechnic Institute（罗切斯特理工学院）； Cornell University（康奈尔大学）； Samsung Research America（三星美国研究院）

专题命中知识库问答：RAG(summary_cn,abstract)；retriever(title,abstract)；retrieval-augmented generation(abstract)；分类 cs.IR、cs.CL、cs.AI

AI总结针对电信问答中证据分散且资源稀缺的问题，提出ARMOR方法，通过联合优化RAG似然和InfoNCE对比目标来适配查询编码器，在固定生成器下提升检索和答案生成性能。

2606.30093 2026-06-30 cs.CL cs.IR 90%

基于Token共现图的高效检索增强生成

Gianluca Bonifazi, Christopher Buratti, Michele Marchetti, Federica Parlapiano, Giulia Quaglieri, Davide Traini, Domenico Ursino, Luca Virgili

机构 * Università Politecnica delle Marche（波尔蒂纳拉理工大学）； Università di Modena e Reggio Emilia（摩德纳和雷焦艾米利亚大学）

专题命中知识库问答：RAG(summary_cn,abstract)；retrieval-augmented generation(title,abstract)；dense retrieval(abstract)；分类 cs.IR、cs.CL

AI总结提出TIGRAG框架，利用滑动窗口共现统计构建Token共现知识图谱，结合图语义扩展和神经重排序实现多跳推理，在三个QA基准上优于稠密检索和图RAG方法，同时降低索引和推理开销。

2606.29328 2026-06-30 cs.IR cs.AI 86%

覆盖未见：面向检索增强生成的信息需求覆盖优化

Bingxue Zhang, Jianying Jia, Feida Zhu

专题命中知识库问答：retrieval-augmented generation(title,abstract)；RAG(abstract,abstract_cn)；分类 cs.IR、cs.AI

AI总结针对复杂查询中top-k选择忽略关键子问题的问题，提出GeoRAG，通过多维度需求分布和Sinkhorn-Wasserstein距离优化上下文选择，实现无监督、免训练且与检索无关的覆盖优化，在六个开放域QA基准上提升6.5-7.5个EM点。

Comments 12 pages, 5 figures, 13 tables

2606.28447 2026-06-30 cs.IR cs.AI 79%

SemFlowRAG：从抽象到证据的有向语义流用于复杂推理

Houyuan Qin, Rong Wu, Qinyuan Qin, Botian Shi, Jingjing Qu, Yang Sun, Pinlong Cai

机构 * Shanghai Artificial Intelligence Laboratory（上海人工智能实验室）； Zhejiang University（浙江大学）； Fudan University（复旦大学）

专题命中知识库问答：RAG(abstract,abstract_cn)；retrieval-augmented generation(abstract)；分类 cs.IR、cs.AI

AI总结提出SemFlowRAG框架，通过构建语料自适应的语义梯度图，将平面检索空间重构为层次结构，并设计抽象度引导的有向PageRank算法，使检索轨迹遵循“高到低语义抽象度”梯度，从而缓解“概率黑洞”问题，提升复杂多跳推理性能。