RAG / 检索增强生成

Quantifying Retriever-Generator Alignment in RAG with Local Explanations

用局部解释量化检索生成模型（RAG）中的检索器-生成器对齐

Korbinian Randl, Guido Rocchietti, Aron Henriksson, Ziawasch Abedjan, Tony Lindgren, John Pavlopoulos

机构 * Department of Computer and Systems Sciences, Stockholm University（斯德哥尔摩大学计算机与系统科学系） ； BIFOLD, Technische Universität Berlin（柏林技术大学BIFOLD） ； Department of Informatics, Athens University of Economics and Business（雅典经济与商业大学信息系） ； Archimedes, Athena Research Centre（雅典研究中心Archimedes） 纠错

专题命中 检索器与排序 ：RAG(title,title_cn)；retriever(title,abstract)；retrieval-augmented generation(abstract)；分类 cs.CL

AI总结 研究RAG系统中检索器与生成器交互不透明问题，提出RAG-E框架，用数学归因方法量化二者对齐，通过实验表明WARG能更好捕捉对齐情况，为审计交互提供实用框架，提升RAG系统可靠性与透明度。

External Data Extraction Attacks against Retrieval-Augmented Large Language Models

针对检索增强型大语言模型的外部数据提取攻击

Yu He, Yifei Chen, Yiming Li, Shuo Shao, Leyi Qi, Boheng Li, Dacheng Tao, Zhan Qin

专题命中 检索器与排序 ：RAG(abstract,abstract_cn)

AI总结 研究针对检索增强型大语言模型的外部数据提取攻击，提出统一框架并开发SECRET攻击方法，该方法含自适应优化与聚类聚焦触发策略，实验显示其显著优于先前攻击，能有效提取数据，呼吁关注此新兴威胁。

Comments Accepted by IEEE TIFS

OrchANN: Hierarchical Orchestration for Skewed Out-of-Core Vector Search

OrchANN：用于倾斜的核外向量搜索的分层编排

Lizheng Chen, Pinhuan Wang, Shaonan Ma, Jie Zhang, Qing Wang, Zhengyi Yang, Heng Zhang, Mingxing Zhang, Fan Yang, Guihai Chen, Chen Tian, Chengying Huan

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

AI总结 研究在十亿规模下近似最近邻搜索的核外问题，提出OrchANN引擎，通过编排查询路由等，在严格内存限制下存储簇并利用图抽象，提升了QPS并降低延迟，比现有基线在准确性和效率平衡上表现更优。

Comments Substantially revised version; updated title, author order, and abstract