RAG / 检索增强生成

RACORN-1: Adaptive Recall-Preserving Speedup for Low-Selectivity Filtered Vector Search

RACORN-1: 面向低选择性过滤向量搜索的自适应保召回加速方法

Yoonseok Kim, Gyusik Choe

专题命中 向量检索 ：vector search(title,abstract)；RAG(abstract,abstract_cn)；分类 cs.IR、cs.DB

AI总结 针对ACORN-1在低选择性下召回率崩溃的问题，提出RACORN-1，通过自适应搜索回退（ASF）利用过滤失败节点作为临时桥梁恢复连通性，并引入自适应精确回退（AEF）处理极低选择性场景，在保持高召回的同时实现9-26倍加速。

Comments 13 pages, 11 figures, 10 tables

FeLoG: Scalable and Efficient Distributed Graph Embedding with Feedback Loop Mechanism

FeLoG：具有反馈循环机制的可扩展高效分布式图嵌入

Peng Fang, Arijit Khan, Ziqiang Wu, Zhenli Li, Yibo Zhou, Fang Wang, Dan Feng

机构 * Huazhong University of Science and Technology（华中科技大学） ； Bowling Green State University（伯灵顿州立大学） 纠错

专题命中 向量检索 ：retrieval-augmented generation(abstract)

AI总结 提出FeLoG系统，通过反馈耦合采样与训练、活动感知通信和轮次交错流水线，实现分布式图嵌入的加速和资源高效利用。