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。

2026-08-04 至 2026-08-04 共收录 2 篇信号源：cs.IR, cs.CL, cs.AI, cs.DB

1. 知识库问答 2 篇

2608.01565 2026-08-04 cs.CL 新提交 87%

DocNavRAG: Document-Structured Graph RAG with Stateful Evidence Construction for Complex Document Question Answering

DocNavRAG：面向复杂文档问答的、具有状态化证据构建能力的文档结构化图RAG

Dongyang Xie, Yao Tian, Hao Zhang, Yifei Yuan, Tieyun Qian, Ming Zhong, Jiawei Jiang, Yuanyuan Zhu

机构 * School of Computer Science, Wuhan University（武汉大学计算机学院）； The Hong Kong University of Science and Technology（香港科技大学）； The Chinese University of Hong Kong（香港中文大学）； ETH Zurich（苏黎世联邦理工学院）

专题命中知识库问答：RAG(title,title_cn)；分类 cs.CL

AI总结本文提出DocNavRAG，将文档结构组织为可导航图并维护证据状态，在四个文档QA基准上，相比最强基线平均提升答案质量7.8%、上下文充分性17.7%。

Comments 19 pages, 5 figures, 16 tables

2608.00765 2026-08-04 cs.CL 新提交 84%

RAGOCR: Optical Compression of Retrieval-Augmented Text via Visual Representation

RAGOCR：基于视觉表征的检索增强文本光学压缩

Jiayang Yu, Jialun Zhong, Lei Zou

机构 * Wangxuan Institute of Computer Technology, Peking University（北京大学王选计算机研究所）

专题命中知识库问答：RAG(summary_cn,abstract)；retrieval-augmented generation(abstract)；分类 cs.CL

AI总结该研究针对RAG压缩的权衡问题，提出RAGOCR框架，通过查询感知动态分辨率机制压缩检索文档为视觉表征，在五个QA基准上实现比朴素RAG更高准确率和更低token需求，且优于各类压缩基线。

Comments Under reviewing