RAG / 检索增强生成

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。