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。

2026-07-23 至 2026-07-23 共收录 3 篇信号源：cs.IR, cs.CL, cs.AI, cs.DB

1. 检索器与排序 2 篇

2601.00821 2026-07-23 cs.AI cs.CL cs.IR 版本更新 80%

Fidelity Before Structure: Verbatim Chunks Beat Lossy Artifact Extraction in Long-Conversation LLM Memory

逐字块胜过提取的人工制品：长LLM对话中记忆表征的控制消融研究

Tao An

机构 * Hawaii Pacific University（夏威夷太平洋大学）

专题命中检索器与排序：RAG(abstract,abstract_cn)；retriever(abstract)；分类 cs.IR、cs.CL、cs.AI

AI总结通过控制消融实验，发现逐字对话块在长对话记忆检索中比LLM提取的结构化人工制品（事实、决策等）准确率高15.9-22.0点，原因是提取过程丢失了逐字细节，而结构化记忆应作为逐字文本的补充而非替代。

Comments v4: title and abstract aligned with ARR August 2026 submission; six confound controls; 34 pages, 6 figures. Code: https://github.com/tao-hpu/cog-canvas

2607.18796 2026-07-23 cs.IR 版本更新 57%

TSGR: Taobao Search Generative Retrieval

TSGR：淘宝搜索生成式检索

Tianyu Zhan, Gui Ling, Tong Xiong, Kunhai Lin, Yang Wang, Kaixuan Zhang, Zhihong Chen, Yuliang Yan, Dan Ou, Shengyu Zhang, Haihong Tang, Bo Zheng

专题命中检索器与排序：retriever(abstract)；分类 cs.IR

AI总结淘宝搜索生成式检索（TSGR）旨在解决现有生成式检索系统对商品业务价值不敏感的问题。它通过引入查询感知并行SID和价值感知排名模块，将价值感知融入商品表示与候选排名。实验证明该框架有效提升了检索性能及业务指标。

2. 知识库问答 1 篇

2606.05901 2026-07-23 cs.CL cs.AI 版本更新 88%

Reducing Hallucinations in Complex Question Answering using Simple Graph-based Retrieval-Augmented Generation (long version)

减少复杂问答中的幻觉：使用基于简单图的检索增强生成（长版）

Christopher J. Wedge, Joshua Stutter, Danny Dixon, Jacek Cała

机构 * National Innovation Centre for Data（数据创新研究中心）

专题命中知识库问答：retrieval-augmented generation(title,abstract)；RAG(abstract,abstract_cn)；vector search(abstract)；分类 cs.CL、cs.AI

AI总结本研究提出一种轻量级图结构支持的检索增强生成系统，通过结合向量搜索和图查询工具，在复杂问答任务中将幻觉答案数量减半，并显著提升事实正确性的精确率和召回率。

Comments 25 pages; expanded limitations section, corrected typos throughout and missing values in appendix table 1