RAG / 检索增强生成

ConCise: Training-Free Conclusion-Chain State Compression for Cost-Efficient Multi-Step RAG Services

ConCise: 免训练结论链状态压缩用于经济高效的多步RAG服务

Kuan Yan, Zhiqing Tang, Tian Wang, Weijia Jia

机构 * National Natural Science Foundation of China（国家自然科学基金委员会） ； Guangdong Higher Education Association（广东省高等教育协会） ； Guangdong Provincial Higher Education Institutions（广东省高等教育机构） ； Beijing Normal University at Zhuhai Education Reform Project（珠海市北京师范大学教育改革项目） 纠错

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

AI总结 针对多步RAG中累积输入令牌呈O(N²)增长导致成本高的问题，提出免训练状态层协议ConCise，通过结构化结论链将增长压缩至O(N)，并引入融合生成机制减少API调用，平均节省64.63%令牌且保持可接受精度。

Comments to be published in IEEE ICWS 2026

Metadata, Structure, or Strategy? A Decomposition of RAG Context Enrichment

元数据、结构还是策略？RAG上下文丰富化的分解研究

Saber Zerhoudi, Michael Granitzer, Jelena Mitrovic

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

AI总结 通过控制实验分解检索增强生成中的上下文丰富化因素，发现大多数丰富化降低准确性，模型能力与上下文的匹配比元数据数量更关键。

Journal ref European Conference on Machine Learning and Principles and Practice of Knowledge Discovery in Databases (ECML-PKDD 2026)

Conversational Query Engine for Mixed-Modality Heterogeneous Enterprise Data Sources

面向混合模态异构企业数据源的对话式查询引擎

Darshita Rathore, Vineet Kumar, Vaibhav Singal, Ankur Vivek Singh, Anindya Moitra

机构 * PayPal Artificial Intelligence（PayPal人工智能） 纠错

专题命中 长文档RAG ：RAG(abstract,abstract_cn)；分类 cs.IR、cs.AI

AI总结 提出COGNI系统，通过四层架构（索引、路由、检索、缓存）统一处理结构化与非结构化数据，实现高精度、低成本的混合模态查询。

Comments Accepted at Agent4IR @ KDD2026

Why Trust Your Agent? Empirical Security Gains from TRiSM-Guided Agentic Workflows in Healthcare

为何信任你的智能体？医疗保健中TRiSM引导的智能体工作流的实证安全增益

Liam Kearns

机构 * AuraQ 纠错

专题命中 长文档RAG ：RAG(abstract,abstract_cn)；分类 cs.AI

AI总结 本文应用AI信任、风险与安全管理（TRiSM）框架，将不安全的医疗报告生成智能体工作流转变为安全敏感的工作流，在五种大语言模型上评估，将平均攻击成功率从31%-42%降至10%-25%，同时报告准确率提升14个百分点。

Comments 15 pages, 6 figures

Evidence-Driven LLM Agent for C-to-Synthesizable-C Conversion and Verification

证据驱动的LLM智能体用于C到可综合C的转换与验证

Zhe Zhao, Hongbing Lang, Zhihan Xiao, Luke Ztz Hu, John Imoleayo Adebisi, Songping Mai

专题命中 长文档RAG ：RAG(abstract,abstract_cn)；分类 cs.AI

AI总结 提出一种基于大语言模型的闭环生成-验证-诊断-修复框架，通过四阶段验证器、渐进式不匹配定位链和证据检索增强生成，将C代码转换为HLS可综合C，显著优于现有方法。

Comments 14 pages, 8 figures, submitted to IEEE Transactions on Computer-Aided Design of Integrated Circuits and Systems (TCAD)

Agent Security Meets Regulatory Reality -- A Practitioner Systematization of Autonomous-Agent Threats and Controls in Regulated Financial Systems

代理安全遇上监管现实——受监管金融系统中自主代理威胁与控制的从业者系统化

Krishna Mohan, Guda Nagavenkata Srinivasa

专题命中 长文档RAG ：RAG(abstract,abstract_cn)

AI总结 本文基于生产经验，将六类代理威胁映射到美欧金融监管义务，提出四种架构模式将手动流程自动化处理约80%案例，并报告三项负面结果。

HMARS: A Hierarchical Multi-Agent Memory System for Long-Context Reasoning

HMARS：用于长上下文推理的分层多智能体记忆系统

Zeju Li, Ziyang Zheng, Yizhou Zhou, Qiang Xu

机构 * The Chinese University of Hong Kong（香港中文大学） 纠错

专题命中 长文档RAG ：retrieval-augmented generation(abstract)；分类 cs.IR、cs.AI

AI总结 提出HMARS分层多智能体记忆系统，通过子智能体、中层智能体和前沿模型的分层结构管理长上下文，在长文档和多轮记忆任务中优于检索、重排序、全上下文、基于图和智能体基线。