AnnoRetrieve: Efficient Structured Retrieval for Unstructured Document Analysis
AnnoRetrieve：面向无结构文档分析的高效结构化检索
专题命中 图谱与结构化RAG ：vector search(abstract)；分类 cs.IR
AI总结 本文提出AnnoRetrieve，通过结构化注释替代向量嵌入，实现高效精准的语义检索，降低LLM调用频率和成本，提升文档分析的准确性和可扩展性。
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。
1. 图谱与结构化RAG 6 篇
Spatiotemporal Knowledge Graphs as Persistent Scene Memory for Embodied Question Answering
VL-KnG：从单目视频构建持久时空知识图谱以实现具身场景理解
机构 * Applied AI Institute, Moscow, Russia（莫斯科应用人工智能研究所）
专题命中 图谱与结构化RAG ：RAG(abstract_cn)；分类 cs.AI
AI总结 VL-KnG通过构建时空知识图谱实现高效具身场景理解，采用LLM驱动的时空对象关联和图增强检索，无需3D重建，支持常数时间推理，优于现有前沿VLMs。
2. 多模态RAG 3 篇
When Do Multimodal and Graph-Augmented RAG Help? A Controlled Evaluation for Document Question Answering
多模态和图增强的检索增强生成（RAG）何时有用？文档问答的对照评估
专题命中 多模态RAG ：RAG(title,title_cn)；retrieval-augmented generation(abstract)
AI总结 研究文档问答中多模态和图增强RAG的作用，提出用多模态图-RAG架构，通过独立检索并融合文本、图和视觉证据源来评估效果。经实验发现其价值取决于多种因素，如检索设计等，还揭示了一些相关问题，如图像检索及生成器效率对结果的影响。
Comments 8 pages, 3 figures
Local Brushstroke Quality Assessment via Vision-Language Feedback
通过视觉-语言反馈进行局部笔触质量评估
机构 * Tokyo Institute of Science High School（东京理科大学附属高中） ； National Institute of Advanced Industrial Science and Technology (AIST)（国立先进工业科学技术研究所） ； Visual Geometry Group, University of Oxford（牛津大学视觉几何组）
专题命中 多模态RAG ：RAG(summary_cn,abstract)；retrieval-augmented generation(abstract)
AI总结 研究多模态语言模型能否评估书法局部笔触质量并生成反馈，构建评估框架让三个模型评估图像对并与专家打分比较，还研究了RAG变体，结果显示模型有一定绝对分数准确性，但与专家排名相关性不强，RAG有正负两方面表现。
Comments 6 pages, 8 figures. Accepted to the SAUAFG Workshop at CVPR 2026
AI Prototyper: A Figma Plugin for Decomposition-Based GUI Prototyping with LLMs
AI原型制作器：一个用于基于分解的GUI原型制作的Figma插件
专题命中 多模态RAG ：RAG(abstract,abstract_cn)；retrieval-augmented generation(abstract)
AI总结 研究针对GUI原型制作耗时问题，提出AI Prototyper插件，通过分解和检索增强生成管道，结合特定技术栈与大语言模型，经人工参与编辑步骤，能多语言输入，在时间和质量维度上表现良好。
Comments Accepted at the 42nd IEEE International Conference on Software Maintenance and Evolution (ICSME 2026), Tool Demonstration and Data Showcase Track
3. RAG评测 4 篇
Retromorphic Testing with Hierarchical Verification for Hallucination Detection in RAG
基于分层验证的反向测试用于RAG中的幻觉检测
机构 * Lero, the Research Ireland Centre for Software, University of Limerick（Lero，爱尔兰科学基金会软件研究中心，利默里克大学） ； The Chinese University of Hong Kong, Shenzhen（香港中文大学（深圳）） ； University of Ottawa（渥太华大学）
专题命中 RAG评测 ：RAG(title,title_cn)；retrieval-augmented generation(abstract)；分类 cs.CL
AI总结 本文提出RT4CHART框架，通过分层验证提升RAG中上下文忠实度评估的准确性，实现细粒度审计，并在新标注基准上取得最佳检测效果。
MamaBench: Benchmarking LLM Robustness in Maternal and Child Health Diagnosis through Counterfactual Clinical Perturbation
MamaBench：通过反事实临床扰动对母婴健康诊断中的大语言模型稳健性进行基准测试
机构 * Helpmum Africa（非洲帮助妈妈组织） ； University of Ibadan（伊巴丹大学）
专题命中 RAG评测 ：RAG(summary_cn,abstract)；retrieval-augmented generation(abstract)；分类 cs.CL
AI总结 研究针对大语言模型在母婴健康诊断中缺乏对临床相似表现区分能力的问题，提出MamaBench基准及EA - RAG方法，通过实验揭示基础准确率高估稳健准确率现象，EA - RAG有效降低BTR，提升稳健准确率，为临床人工智能反事实稳健性研究提供参考。
OntoExtend: A Framework for Requirement-driven and Scalable Ontology Extension with LLMs
OntoExtend：一个用于基于需求驱动和可扩展的大语言模型本体扩展框架
机构 * Linköping University（林雪平大学） ； University of Bologna（博洛尼亚大学） ； Bosch（博世公司） ； ISTC-CNR（意大利国家研究委员会信息科学与技术研究所）
专题命中 RAG评测 ：retrieval-augmented generation(abstract)；RAG(abstract)；分类 cs.AI
AI总结 研究基于需求驱动的本体扩展问题，提出用检索增强生成的OntoExtend框架，通过在相关输入本体和需求上应用该框架，在两个用例的能力问题上评估，结果显示其可作为现实场景中本体扩展起草助手，对问题特异性和建模概要敏感。
Comments Accepted in research track of Semantics 2026: https://2026-eu.semantics.cc/page/accepted_research
SAGA: Synthetic Agentic Graph Architecture for Temporal Benchmark Generation
SAGA：用于时间基准生成的合成智能体图架构
机构 * University of Memphis（密苏里大学）
专题命中 RAG评测 ：RAG(abstract)；分类 cs.AI、cs.DB
AI总结 针对时间图基准稀缺问题，SAGA系统通过四阶段管道生成大规模语义丰富的时间图，其架构解耦结构与语义，能实现结构真实性、语义丰富性和自动异常标注，在单个H100 GPU上高效生成大量带受控异常的时间边。
