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。

2026-07-21 至 2026-07-21 共收录 3 篇信号源：cs.IR, cs.CL, cs.AI, cs.DB

1. 向量检索 3 篇

2607.18225 2026-07-21 econ.EM cs.LG math.ST stat.ME stat.ML stat.TH 新提交 93%

Vector Search As Nearest Neighbor Matching: RAG-based Policy Learning in Causal Inference

向量搜索作为最近邻匹配：因果推断中基于检索增强生成（RAG）的策略学习

Masahiro Kato, Taka Kato

机构 * np-hard.co.jp（np-hard公司）

专题命中向量检索：RAG(title,title_cn)；vector search(title,abstract)；retrieval-augmented generation(abstract)

AI总结研究提出基于检索增强生成（RAG）的策略学习一步法和两步法，两步法通过向量搜索等进行行动选择，还将两步法遗憾分解并界定，直接评估一步法为策略，把特定行动向量搜索与因果推断最近邻匹配相联系。

2607.16973 2026-07-21 cs.LG cs.AI cs.IR 新提交 91%

TurboVec: A Case Study in Cost-Efficient Private Retrieval for Enterprise RAG via Codebook-Oblivious Quantization

TurboVec：通过码本无关量化实现企业RAG成本高效私有检索的案例研究

Navnit Shukla, Kamal Pandey, Omsankar Tiwari

专题命中向量检索：RAG(title,title_cn)；retrieval-augmented generation(abstract)；分类 cs.IR、cs.AI

AI总结研究RAG系统向量检索层挑战，介绍基于TurboQuant的TurboVec开源向量索引。通过实验对比，表明TurboQuant在内存和召回率上有优势，TurboVec部署效果好，码本无关设计提升隐私性，不过存在单一数据集评估等局限。

2607.17538 2026-07-21 cs.AR cs.CL cs.DB cs.ET cs.IR 新提交 88%

D-NOVA: In-Storage Retrieval Accelerator via Dual-Bound 3D NAND-Optimized Similarity Search with Vector Adaptation

D-NOVA：通过具有向量适配的双边界3D NAND优化相似性搜索实现存储内检索加速器

Chang Eun Song, Sumukh Pinge, Tianqi Zhang, Sung Eun Kim, Tajana S. Rosing, Mingu Kang

机构 * University of California, San Diego（加州大学圣地亚哥分校）

专题命中向量检索：RAG(summary_cn,abstract)；retrieval-augmented generation(abstract)；vector search(abstract)；分类 cs.IR、cs.CL、cs.DB

AI总结研究针对RAG密集向量检索性能瓶颈，提出软硬件协同设计的存储内检索加速器D-NOVA。通过深度嵌入搜索功能、采用新距离度量及引入适配器，实现高效检索，相比CPU和现有加速器有显著性能和能效提升，展现全存储向量搜索加速RAG的潜力。

Comments Accepted at the 59th IEEE/ACM International Symposium on Microarchitecture (MICRO 2026), Athens, Greece. Chang Eun Song and Sumukh Pinge are co-first authors and contributed equally