RAG / 检索增强生成

Score-Only Distillation for Compact Dense Retrieval

用于紧凑密集检索的仅分数蒸馏

Kirill Dubovikov, Martin Takac, Salem Lahlou

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

AI总结 研究紧凑检索器能否从分数向量学教师排序行为，用行中心分数向量目标训练，在固定评估面板上蒸馏协议可弥补部分基础与教师模型差距，蒸馏后学生模型编码加速，外部迁移性能有好有坏。

GreekBarRetrieval: A Benchmark for Greek Statutory Retrieval

GreekBarRetrieval：希腊成文法检索基准

Ernest Beta, Odysseas S. Chlapanis, Dimitrios Galanis, Ion Androutsopoulos

专题命中 检索器与排序 ：dense retrieval(abstract)；分类 cs.IR、cs.CL

AI总结 本研究推出希腊成文法检索基准GreekBarRetrieval，通过实验发现基于大型语言模型的查询重表述可提升BM25检索效果，使其在多项指标上优于其他检索方法。

Comments Submitted to NLLP workshop 2026

LACONIC: Dense-Level Effectiveness for Scalable Sparse Retrieval via a Two-Phase Training Curriculum

LACONIC: 通过双阶段训练课程实现可扩展稀疏检索的密集级有效性

Zhichao Xu, Shengyao Zhuang, Crystina Zhang, Xueguang Ma, Yijun Tian, Maitrey Mehta, Jimmy Lin, Vivek Srikumar

机构 * University of Utah（犹他大学） ； The University of Queensland（昆士兰大学） ； University of Waterloo（滑铁卢大学） ； University of Notre Dame（圣约翰大学） 纠错

专题命中 检索器与排序 ：dense retrieval(abstract)；分类 cs.IR、cs.CL

AI总结 LACONIC通过双阶段训练课程实现高效稀疏检索，以更少的计算资源达到与密集模型相当的检索效果。

Comments SIGIR 2026 camera ready

ReasFlow: Assisting Reasoning-Centric Scientific Discovery in Applied Mathematics via a Knowledge-Based Multi-Agent System

ReasFlow：通过基于知识的多智能体系统助力应用数学中以推理为中心的科学发现

Yutong He, Daibo Li, Guohong Li, Jiahe Geng, Zhengyang Huang, Can Ren, Zekun Zhang, Yifan Liu, Shuchen Zhu, Hengrui Zhang, Boao Kong, Ming Sun, Shu Li, Chenyi Li, Jiang Hu, Kun Yuan, Zaiwen Wen, Pingwen Zhang

专题命中 检索器与排序 ：knowledge retrieval(abstract)；分类 cs.AI

AI总结 针对理论驱动科学发现探索不足的问题，ReasFlow引入以推理为中心的自主智能体系统，通过内部验证循环和知识检索机制减少专家干预，能统一多项科研任务，从最少提示生成高质量论文，在开源基线中表现出色。

CustomDance: Customized 3D Dance Generation with Coarse-to-Fine Human-Centered Interactive Control

CustomDance：基于以人为中心的粗到细交互式控制的定制化3D舞蹈生成

Xulong Tang, Kaixing Yang, Xiaohu Guo, Prabhakaran Balakrishnan, Rawan Alghofaili

专题命中 检索器与排序 ：retriever(abstract)

AI总结 CustomDance是基于粗到细交互式控制的定制化3D舞蹈生成系统，通过三阶段流程实现AI辅助编舞，在定量和定性比较中优于基线，为用户提供全面控制。

Comments Accepted to SIGGRAPH Asia 2026

SINDI: An Efficient Index for Sparse Vector Approximate Maximum Inner Product Search

SINDI：一种高效的近似最大内积搜索索引

Ruoxuan Li, Xiaoyao Zhong, Jiabao Jin, Peng Cheng, Wangze Ni, Zhitao Shen, Wei Jia, Xiangyu Wang, Heng Tao Shen, Jingkuan Song

专题命中 向量检索 ：RAG(abstract,abstract_cn)；retrieval-augmented generation(abstract)；vector search(abstract)；分类 cs.DB

AI总结 SINDI通过高效内积计算、内存友好设计和向量修剪，提升了稀疏向量近似最大内积搜索的效率和性能。

Comments 18 pages, accepted by ICDE 2026. Due to submission limitation for ICDE 2026 (i.e., maximum 6 submissions per author), Lei Chen and Xuemin Lin are not included as authors

Think-to-Personalize: Unifying Reasoning and Retrieval for User-Centric Personalized Dense Retrieval

思考以个性化：统一推理与检索的以用户为中心的个性化密集检索

Angqing Jiang, Gaoming Zhang, Jianchun Song, Kena Qi, Dayao Chen, Wei Lin, Defu Lian

专题命中 向量检索 ：dense retrieval(title,abstract)；分类 cs.IR

AI总结 本文提出TTP框架，将用户意图推理与密集检索统一，经两阶段训练后在电商场景实验及在线测试中均取得优于基线的效果，提升了订单量。

Comments Accepted at CIKM 2026. 11 pages, 8 figures, and 9 tables

MERIT: Efficient In-Place Deletion for Dynamic Graph-Based Approximate Nearest Neighbor Indexes

MERIT：基于动态图的近似最近邻索引的高效原位删除方法

Zekai Wu, Jiabao Jin, Peng Cheng, Wangze Ni, Haoyang Li, Lei Chen, Junjie Yao, Jingkuan Song, Heng Tao Shen

专题命中 向量检索 ：RAG(abstract,abstract_cn)；retrieval-augmented generation(abstract)；分类 cs.DB

AI总结 本文针对动态图近似最近邻索引的原位删除难题，提出MERIT框架，通过三项核心技术实现高效删除，集成于两种主流索引，实验显示其删除速度远优于SOTA方法且召回率稳定。

Comments 14 pages

CTIFoundry: An Agent-Native Corpus Scaffold for Cyber Threat Intelligence

CTIFoundry：用于网络威胁情报的智能体原生语料库支架

Yutong Cheng, Changze Li, Qian Cui, Wei Ding, Lingzhi Wang, Yan Chen, Peng Gao

机构 * Virginia Tech（弗吉尼亚理工大学） ； Amazon（亚马逊公司） ； Northwestern University（西北大学） 纠错

专题命中 向量检索 ：retrieval-augmented generation(abstract)；分类 cs.AI

AI总结 CTIFoundry是用于网络威胁情报的智能体原生语料库支架，在CTIConnect基准测试中可使智能体F1提升0.19至0.28，小型模型在其上表现优于旗舰模型，且无需增加搜索工作量。

Comments Preprint

Tatarstan Toponyms: A Bilingual Dataset and Hybrid RAG System for Geospatial Question Answering

塔塔尔斯坦地名：一种双语数据集和混合RAG系统用于地理空间问题回答

Mullosharaf K. Arabov, Svetlana S. Khaybullina, Dinara M. Naumetova

机构 * Department of Data Analysis and Programming Technologies（数据分析与编程技术系） ； Institute of Computational Mathematics and Information Technologies（计算数学与信息科技学院） ； Kazan (Volga Region) Federal University（卡兹安（伏尔加地区）联邦大学） 纠错

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

AI总结 本文提出了一种双语地名数据集和混合RAG系统，用于多语言地理空间问题回答，通过构建39,000个问题-上下文-答案三元组，结合语义索引和空间过滤，实现了高召回率和准确率。

Comments Preprint. 23 pages, 6 figures, 7 tables. Published in Computational Linguistics in Bulgaria

CanLegalRAGBench: Evaluating Retrieval-Augmented Generation on Canadian Case Law

CanLegalRAGBench：评估加拿大判例法上的检索增强生成

Ethan Zhao, Maksym Taranukhin, Wei Cui, Moira Aikenhead, Vered Shwartz

机构 * Department of Computer Science, University of British Columbia（不列颠哥伦比亚大学计算机科学系） ； Vector Institute（向量研究所） ； CIFAR AI Chair Peter A. Allard School of Law, University of British Columbia（不列颠哥伦比亚大学彼得·A·艾尔德法学院） 纠错

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

AI总结 针对法律RAG系统中幻觉问题及加拿大法律评估不足，提出基于真实查询和专家标注的加拿大法律QA基准CanLegalRAGBench，发现检索性能受设计选择影响、开源嵌入模型与闭源模型竞争力相当，但自动评估存在局限且生成答案常偏离黄金标准。

Predicting the Benefit of Retrieval Augmentation in Open-Domain Question Answering

基于问答的RAG性能预测

Or Dado, David Carmel, Oren Kurland

机构 * Technion（技术学院） ； Technology Innovation Institute (TII)（技术创新研究所） 纠错

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

AI总结 本文研究了RAG在问答中的性能预测，提出了一种新的监督预测器，通过建模问题、检索段落和生成答案之间的语义关系，提升了预测效果。

Comments 17 pages. 4 figures. 3 tables

MITRE-SAGE: A Multi-Agent Cybersecurity Question-Answering Model

MITRE-SAGE：一种多智能体网络安全问答模型

Ali Habibzadeh, Farid Feyzi, Reza Ebrahimi Atani

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

AI总结 针对网络安全领域LLM的不足，研究提出多智能体框架MITRE-SAGE，结合MITRE-QA基准验证其在多项网络安全问答任务中优于基线方法，轻量级配置表现突出。

rEDMRec: Distilling Large Language Model Reasoning into an Editable Experience Memory for Recommendation

rEDMRec：将大语言模型推理提炼为可编辑的体验记忆用于推荐

Minh Hoang Nguyen, Tung Le, Huy Tien Nguyen

专题命中 图谱与结构化RAG ：RAG(summary_cn,abstract)；分类 cs.IR、cs.CL、cs.AI

AI总结 rEDMRec将教师LLM推理提炼为四类可编辑体验记忆，轻量级学生LLM通过检索记忆排序，在多数据集和主干模型上优于零样本、少样本、RAG及GraphRAG，记忆优化可提升推荐性能并降低重复率。

Event-Causal RAG: A Retrieval-Augmented Generation Framework for Long Video Reasoning in Complex Scenarios

事件因果RAG：一种用于长视频复杂场景中长视频推理的检索增强生成框架

Peizheng Yan, Yu Zhao, Liang Xie, Juntong Qi, Mingming Wang, Erwei Yin

机构 * Tianjin Key Lab of Intelligent Unmanned Swarm Tech & System（天津智能集群技术与系统重点实验室） ； Tianjin University（天津大学） ； Institute of Computing and Intelligence（计算与智能研究所） ； Harbin Institute of Technology (Shenzhen)（哈尔滨工业大学（深圳）） ； Tianjin Artificial Intelligence Innovation Center（天津人工智能创新中心） ； Defense Innovation Institute Academy of Military Sciences（国防科技创新研究院） ； School of Future Technology（未来技术学院） ； Shanghai University（上海大学） 纠错

专题命中 多模态RAG ：RAG(title,title_cn)；retrieval-augmented generation(title)；分类 cs.AI

AI总结 本文提出Event-Causal RAG框架，通过事件因果图和双存储记忆实现长视频推理，优于传统方法，在多事件整合和因果推理任务中表现更优，同时提升内存效率和流式性能。

Reducing Technician Search Burden: A Multimodal RAG for Cessna 172 Maintenance Manual

减轻技术人员的检索负担：面向赛斯纳172维护手册的多模态检索增强生成

Seongjun Ha, Md Rashedul Islam, Gaurav Nanda, Damon Lercel

专题命中 多模态RAG ：RAG(title,abstract)；retrieval augmented generation(abstract)；retriever(abstract)；分类 cs.IR

AI总结 本研究针对赛斯纳172维护手册，开发多模态检索增强生成流程，其多模态手册检索器召回率达93.37%，生成响应与基准答案语义相似度87.20%，可减轻技术人员检索负担。

TTSD-FAR: Test-Time Self-Distillation with Fisher-Anchored Restoration for Missing-Modality Emotion Recognition in LVLMs

TTSD-FAR：用于大视频语言模型中缺失模态情感识别的带Fisher锚定恢复的测试时自蒸馏

Muhammad Haseeb Aslam, Alessandro Koerich, Marco Pedersoli, Ali Etemad, Eric Granger

专题命中 多模态RAG ：RAG(abstract,abstract_cn)；retrieval augmented generation(abstract)；分类 cs.AI

AI总结 针对大视频语言模型测试时的模态缺失问题，提出带Fisher锚定恢复的测试时自蒸馏框架，在多数据集模态缺失场景下性能优于基线方法且保持稳定。

MissDiag: Diagnostic Evaluation of Incomplete-Knowledge Robustness in KGQA and KG-RAG

MissDiag：KGQA与KG-RAG中不完全知识鲁棒性的诊断评估

Hang Wang, Hang Dong, Lu Liu, Chuanru Ren

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MissDiag框架，通过结构化缺失干预分解鲁棒性变化来源，发现不完全知识鲁棒性是类型化劣化现象，为KGQA与KG-RAG系统评估提供可解释基础。

GRIP: Grounded Reasoning via Information-Restricted Premises

GRIP：基于信息受限前提的接地推理

Lirui Teng

机构 * University of Waterloo（滑铁卢大学） 纠错

专题命中 RAG评测 ：RAG(summary_cn,abstract)；retrieval-augmented generation(abstract)；分类 cs.AI

AI总结 针对RAG中查询主导导致证据失效的问题，提出GRIP方法，通过容量不对称设计优化信息编码，在五个推理基准上实现性能提升，大幅降低互信息与幻觉。

Comments 15 pages, 3 figures

PLASMA: A Layout-Aware Benchmark Reveals Memory Layout Matters for Graph-based ANNS on GPU

PLASMA：揭示GPU上基于图的近似最近邻搜索中内存布局重要性的布局感知基准

Yutaro Oguri, Mai Nishimura, Yusuke Matsui

机构 * The University of Tokyo（东京大学） ； OMRON SINIC X Corporation（OMRON SINIC X公司） 纠错

专题命中 RAG评测 ：RAG(abstract,abstract_cn)；分类 cs.IR、cs.DB

AI总结 研究人员提出PLASMA框架，用于评估GPU上基于图的ANNS，发现顶点重排序可提升QPS且不损失准确率，凸显内存布局对该任务的重要性。

Comments Accepted to VLDB2026 VecDB Workshop

ContextSniper: AntTrail's Token-Efficient Code Memory for Repository-Level Program Repair

ContextSniper: AntTrail的令牌高效代码记忆用于仓库级程序修复

Chiwang Luk, Matin Mohammad Najafi, Zhifeng Jia, Wei Yang, Xiuchang Li, Jinwei Zhu, Yang Ren, Lei Chen, Gao Cong

机构 * Huawei（华为） ； HKUST(GZ)（香港科技大学（广州）） ； Nanyang Technological University（南洋理工大学） 纠错

专题命中 RAG评测 ：RAG(abstract)；分类 cs.AI

AI总结 提出ContextSniper，一种令牌高效的代码记忆层，通过精准证据选择、混合检索排序和意图感知上下文门控，在SWE-bench Lite上减少51.5%令牌使用和36.4%成本，修复率仅轻微下降。