RAG / 检索增强生成

Adaptive Stopping for Multi-Turn LLM Reasoning

多轮LLM推理中的自适应停止

Xiaofan Zhou, Huy Nguyen, Bo Yu, Chenxi Liu, Lu Cheng

机构 * University of Illinois Chicago（伊利诺伊大学芝加哥分校） ； Augustana College（奥古斯塔纳学院） ； University of Utah（犹他大学） 纠错

专题命中 长文档RAG ：RAG(abstract,abstract_cn)；retrieval-augmented generation(abstract)；分类 cs.CL、cs.AI

AI总结 本文提出MiCP框架，通过分配不同误差预算实现多轮推理中的自适应停止，同时保证覆盖率，减少轮次、推理成本和预测集规模。

IterCOMP: Reasoning-aware Adaptive Prompt Compression for Multi-hop Question Answering

IterCOMP：面向多跳问答的感知推理自适应提示压缩

JungMin Yun, YoungBin Kim

机构 * Chung-Ang University（中央大学） 纠错

专题命中 长文档RAG ：retrieval-augmented generation(abstract)；RAG(abstract_cn)；分类 cs.CL、cs.AI

AI总结 本文针对多跳问答中现有提示压缩方法无法捕捉多跳推理步骤的问题，提出无训练框架IterCOMP，经实验验证其可提升问答指标并减少token预算。

Comments ACL 2026 Main Conference

Building AI-Intensive Software with AI: Early Results and a Cautionary Tale on Measuring Development Cost

用AI构建AI密集型软件：早期成果及关于测量开发成本的警示故事

Victor Barros de Miranda Neves, Kiev Santos da Gama, Vinicius Cardoso Garcia

专题命中 长文档RAG ：RAG(abstract,abstract_cn)；分类 cs.AI

AI总结 本文通过六人学生团队用AI构建对话式入职助手的案例研究，修正了AI密集型软件开发成本测量的两个常见错误，得出修正后的成本比率约为9.9倍，并提出需建立更稳健的成本核算方法。

Comments 4 pages, 2 figures, Accepted for publication at the International Workshop on Intelligent Software Engineering (ISE 2026) @ CBSoft 2026