RAG / 检索增强生成

Unified Multi-Modal Interactive & Reactive 3D Motion Generation via Rectified Flow

通过修正流实现统一的多模态交互与反应3D运动生成

Prerit Gupta, Shourya Verma, Ananth Grama, Aniket Bera

机构 * Department of Computer Science Purdue University（计算机科学系 哈佛大学） 纠错

专题命中 检索器与排序 ：retrieval-augmented generation(abstract)；RAG(abstract)

AI总结 DualFlow通过修正流实现多模态双人运动生成，提升运动质量与节奏同步性。

Comments Under review at ICLR 2026

SGR3 Model: Scene Graph Retrieval-Reasoning Model in 3D

SGR3模型：三维场景图检索-推理模型

Zirui Wang, Ruiping Liu, Yufan Chen, Junwei Zheng, Weijia Fan, Kunyu Peng, Di Wen, Jiale Wei, Jiaming Zhang, Rainer Stiefelhagen

机构 * Karlsruhe Institute of Technology（卡尔斯鲁厄理工学院） ； Shenzhen University（深圳大学） ； Hunan University（湖南大学） 纠错

专题命中 检索器与排序 ：retrieval-augmented generation(abstract)；RAG(abstract)

AI总结 SGR3模型通过多模态大语言模型与检索增强生成技术，实现无需训练的三维场景图生成，提升场景关系推理能力。

PlugMem: A Task-Agnostic Plugin Memory Module for LLM Agents

PlugMem: 一种通用插件记忆模块用于LLM代理

Ke Yang, Zixi Chen, Xuan He, Jize Jiang, Michel Galley, Chenglong Wang, Jianfeng Gao, Jiawei Han, ChengXiang Zhai

机构 * University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校） ； Tsinghua University（清华大学） ； Microsoft Research（微软研究院） 纠错

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

AI总结 PlugMem是一种通用记忆模块，通过知识中心的记忆图结构提升LLM代理在复杂任务中的记忆检索与推理能力。

Hardware Implementation of Photonic Spiking Hash Retrieval

光子脉冲哈希检索的硬件实现

Shangxuan Shi, Shuiying Xiang, Xintao Zeng, Yonghang Chen, Wanting Yu, Yahui Zhang, Xingxing Guo, Yue Hao

专题命中 检索器与排序 ：retrieval-augmented generation(abstract)；RAG(abstract)

AI总结 本文提出了一种基于光子脉冲神经网络的硬件实现方案，实现了高效、低能耗的二进制代码生成与高精度检索。

Comments 9 pages

Reason to Contrast: A Cascaded Multimodal Retrieval Framework

对比之理：一种级联多模态检索框架

Xuanming Cui, Hong-You Chen, Hao Yu, Hao Yuan, Zihao Wang, Shlok Kumar Mishra, Hanchao Yu, Yonghuan Yang, Jun Xiao, Ser-Nam Lim, Jianpeng Cheng, Qi Guo, Xiangjun Fan

机构 * AI at Meta（Meta人工智能部门） ； University of Central Florida（中央佛罗里达大学） 纠错

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

AI总结 本文提出TTE-v2框架，通过引入基于额外输入标记预算的推理驱动性能扩展，提升多模态检索的测试性能。

STELLAR: Storage Tuning Engine Leveraging LLM Autonomous Reasoning for High Performance Parallel File Systems

STELLAR：利用LLM自主推理的存储调优引擎用于高性能并行文件系统

Chris Egersdoerfer, Philip Carns, Shane Snyder, Robert Ross, Dong Dai

专题命中 检索器与排序 ：retrieval-augmented generation(abstract)；RAG(abstract)

AI总结 STELLAR利用LLM自主推理实现高性能并行文件系统的存储调优，通过多代理设计和检索增强生成技术提升调优效率与准确性。

Comments Published in the Proceedings of the 2025 International Conference for High Performance Computing, Networking, Storage, and Analysis (SC25)

Enriching Taxonomies Using Large Language Models

利用大型语言模型丰富分类体系

Zeinab Ghamlouch, Mehwish Alam

机构 * Télécom Paris, Institut Polytechnique de Paris（巴黎电信学院，巴黎理工学院） 纠错

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

AI总结 本文提出Taxoria，利用大型语言模型丰富现有分类体系，通过候选节点生成与验证提升分类的覆盖范围和准确性。

Comments Published in ECAI 2025 Demo Track

Journal ref FAIA 2025 5147-5150 (2025)

RAID: Retrieval-Augmented Anomaly Detection

RAID: 基于检索的异常检测

Mingxiu Cai, Zhe Zhang, Gaochang Wu, Tianyou Chai, Xiatian Zhu

机构 * State Key Laboratory of Synthetical Automation for Process Industries, Northeastern University（过程工业综合自动化 state key laboratory，东北大学） 纠错

专题命中 检索器与排序 ：retrieval-augmented generation(abstract)；RAG(abstract)

AI总结 RAID提出了一种基于检索的无监督异常检测框架，通过利用检索到的正常样本指导噪声抑制，实现鲁棒的异常检测和定位。

Journal ref CVPR 2026

IRPAPERS: A Visual Document Benchmark for Scientific Retrieval and Question Answering

IRPAPERS: 一个用于科学检索和问答的视觉文档基准

Connor Shorten, Augustas Skaburskas, Daniel M. Jones, Charles Pierse, Roberto Esposito, John Trengrove, Etienne Dilocker, Bob van Luijt

机构 * Weaviate 纠错

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

AI总结 IRPAPERS基准通过比较图像和文本检索系统，揭示了多模态混合搜索在科学文档检索和问答中的优势。

Comments 23 pages, 6 figures

NotebookRAG: Retrieving Multiple Notebooks to Augment the Generation of EDA Notebooks for Crowd-Wisdom

NotebookRAG: 通过检索多个笔记本增强 crowdsourcing 智慧的 EDA 笔记本生成

Yi Shan, Yixuan He, Zekai Shao, Kai Xu, Siming Chen

专题命中 检索器与排序 ：retrieval-augmented generation(abstract)；RAG(abstract)

AI总结 NotebookRAG通过检索多个笔记本增强crowdsourcing智慧，以生成高质量的EDA笔记本。

Comments 11 pages, 7 figures

LLMind 2.0: Distributed IoT Automation with Natural Language M2M Communication and Lightweight LLM Agents

LLMind 2.0：基于自然语言M2M通信和轻量级LLM代理的分布式物联网自动化

Yuyang Du, Qun Yang, Liujianfu Wang, Jingqi Lin, Hongwei Cui, Soung Chang Liew

专题命中 检索器与排序 ：retrieval-augmented generation(abstract)；RAG(abstract)

AI总结 LLMind 2.0通过自然语言M2M通信和轻量级LLM代理实现分布式物联网自动化，提升系统可扩展性、可靠性和响应性。

MEMTS: Internalizing Domain Knowledge via Parameterized Memory for Retrieval-Free Domain Adaptation of Time Series Foundation Models

MEMTS: 通过参数化内存内化领域知识以实现时间序列基础模型的无检索领域适应

Xiaoyun Yu, Li fan, Xiangfei Qiu, Nanqing Dong, Yonggui Huang, Honggang Qi, Geguang Pu, Wanli Ouyang, Xi Chen, Jilin Hu

机构 * East China Normal University（东华师范大学） ； Shanghai Artificial Intelligence Laboratory（上海人工智能实验室） ； Peking University（北京大学） ； University of Chinese Academy of Sciences（中国科学院大学） 纠错

专题命中 检索器与排序 ：retrieval-augmented generation(abstract)；RAG(abstract)

AI总结 MEMTS通过参数化内存内化领域知识，实现时间序列基础模型的无检索领域适应，提升实时流处理效率。

RARe: Retrieval Augmented Retrieval with In-Context Examples

RARe: 基于上下文示例的检索增强检索

Atula Tejaswi, Yoonsang Lee, Sujay Sanghavi, Eunsol Choi

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

AI总结 RARe通过在检索查询中引入语义相似的上下文示例，提升开放域检索性能，实现nDCG最高+2.72%的提升。

Comments COLM 2025

LayoutCoT: Unleashing the Deep Reasoning Potential of Large Language Models for Layout Generation

LayoutCoT: 解锁大型语言模型在布局生成中的深度推理潜力

Hengyu Shi, Junhao Su, Tianyang Han, Junfeng Luo, Jialin Gao

机构 * Meituan（美团） 纠错

专题命中 检索器与排序 ：retrieval-augmented generation(abstract)；RAG(abstract)

AI总结 LayoutCoT通过结合RAG和CoT技术，利用LLMs的推理能力实现无需训练的高质量布局生成。

Failure-Aware Enhancements for Large Language Model (LLM) Code Generation: An Empirical Study on Decision Framework

面向大语言模型（LLM）代码生成的失败意识增强：决策框架的实证研究

Jianru Shen, Zedong Peng, Lucy Owen

专题命中 检索器与排序 ：retrieval-augmented generation(abstract)；RAG(abstract)

AI总结 本文通过实证研究，提出了一种基于失败特征的决策框架，用于指导大语言模型代码生成中的增强策略选择。

Comments Accepted at SANER 2026

ENGRAM: Effective, Lightweight Memory Orchestration for Conversational Agents

ENGRAM: 有效的、轻量级的内存编排用于对话代理

Daivik Patel, Shrenik Patel

专题命中 检索器与排序 ：retriever(abstract)；dense retrieval(abstract)

AI总结 ENGRAM通过轻量级内存编排实现对话代理的长周期一致性，利用类型化内存和密集检索在多个基准测试中取得优异成绩。

DRAINCODE: Stealthy Energy Consumption Attacks on Retrieval-Augmented Code Generation via Context Poisoning

DRAINCODE: 通过上下文污染对基于检索增强的代码生成进行隐秘的能量消耗攻击

Yanlin Wang, Jiadong Wu, Tianyue Jiang, Mingwei Liu, Jiachi Chen, Chong Wang, Ensheng Shi, Xilin Liu, Yuchi Ma, Zibin Zheng

专题命中 检索器与排序 ：retrieval-augmented generation(abstract)；RAG(abstract)

AI总结 DrainCode通过上下文污染攻击，显著增加LLM的延迟和能耗，揭示了RAG代码生成系统在安全性和资源约束下的潜在风险。

Comments 16 pages, 4 figures

Code Digital Twin: A Knowledge Infrastructure for AI-Assisted Complex Software Development

代码数字孪生：面向AI辅助复杂软件开发的知识基础设施

Xin Peng, Chong Wang

专题命中 检索器与排序 ：retrieval-augmented generation(abstract)；RAG(abstract)

AI总结 代码数字孪生通过整合混合知识表示和多阶段提取管道，为AI辅助复杂软件开发提供可持续的演进路径。

Comments A vision paper that will be continuously updated

LightRetriever: A LLM-based Text Retrieval Architecture with Extremely Faster Query Inference

LightRetriever: 一种基于大语言模型的文本检索架构，具有极快的查询推理速度

Guangyuan Ma, Yongliang Ma, Xuanrui Gou, Zhenpeng Su, Ming Zhou, Songlin Hu

机构 * Institute of Information Engineering, Chinese Academy of Sciences（中国科学院信息工程研究所） ； School of Cyber Security, University of Chinese Academy of Sciences（中国科学院大学网络安全学院） ； Langboat Technology（兰舟科技） 纠错

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

AI总结 LightRetriever通过轻量级查询编码器显著提升检索效率，实现查询推理速度提升超1000倍，端到端吞吐量提升超10倍，且在多种任务中保持95%的检索性能。

Comments Accepted by ICLR 2026

QuiZSF: A Retrieval-Augmented Framework for Zero-Shot Time Series Forecasting

QuiZSF：一种用于零样本时间序列预测的检索增强框架

Shichao Ma, Zhengyang Zhou, Qihe Huang, Binwu Wang, Yang Wang

机构 * University of Science and Technology of China（中国科学技术大学） ； Suzhou Institute for Advanced Research, USTC（先进研究院） 纠错

专题命中 检索器与排序 ：retrieval-augmented generation(abstract)；RAG(abstract)

AI总结 QuiZSF通过整合检索与预测功能，提升零样本时间序列预测的准确性与效率。

Generative Recall, Dense Reranking: Learning Multi-View Semantic IDs for Efficient Text-to-Video Retrieval

生成回忆，密集重排序：学习多视图语义ID以实现高效的文本到视频检索

Zecheng Zhao, Zhi Chen, Zi Huang, Shazia Sadiq, Tong Chen

机构 * The University of Queensland（昆士兰大学） ； The University of Southern Queensland（南部昆士兰大学） 纠错

专题命中 检索器与排序 ：retriever(abstract)；dense retrieval(abstract)

AI总结 GRDR通过生成回忆和密集重排序方法，提升文本到视频检索的效率和准确性，减少存储并加速检索过程。

Comments 10 pages

"ENERGY STAR" LLM-Enabled Software Engineering Tools

ENERGY STAR LLM赋能的软件工程工具

Himon Thakur, Armin Moin

专题命中 检索器与排序 ：retrieval-augmented generation(abstract)；RAG(abstract)

AI总结 本文研究LLM赋能的软件工程工具的能效，通过结合RAG与PETs提升代码生成的质量和效率，验证核心理念并提供未来分析的证明。

Comments CAIN 2026 - 5th International Conference on AI Engineering - Software Engineering for AI

Securing LLM-as-a-Service for Small Businesses: An Industry Case Study of a Distributed Chatbot Deployment Platform

为中小企业保障LLM即服务的安全性：一个分布式聊天机器人部署平台的行业案例研究

Jiazhu Xie, Bowen Li, Heyu Fu, Chong Gao, Ziqi Xu, Fengling Han

专题命中 检索器与排序 ：retrieval-augmented generation(abstract)；RAG(abstract)

AI总结 本文提出一个开源多租户平台，帮助中小企业低成本安全部署定制LLM聊天机器人，通过分布式集群和加密网络实现资源池化与隔离，同时集成防提示注入攻击机制。

Comments Accepted by AISC 2026

Journal ref Australasian Information Security Conference 2026

AlertGuardian: Intelligent Alert Life-Cycle Management for Large-scale Cloud Systems

AlertGuardian: 大规模云系统中的智能警报生命周期管理

Guangba Yu, Genting Mai, Rui Wang, Ruipeng Li, Pengfei Chen, Long Pan, Ruijie Xu

专题命中 检索器与排序 ：retrieval augmented generation(abstract)；RAG(abstract)

AI总结 AlertGuardian通过结合LLMs和图模型，优化大规模云系统的警报生命周期管理，显著减少警报疲劳并提升故障诊断效率。

Comments Accepted by ASE 2025

PankRAG: Enhancing Graph Retrieval via Globally Aware Query Resolution and Dependency-Aware Reranking Mechanism

PankRAG: 通过全局意识查询解析和依赖意识重排序机制增强图检索

Ningyuan Li, Junrui Liu, Yi Shan, Minghui Huang, Ziren Gong, Tong Li

机构 * College of Computer Science, Beijing university of technology, Beijing, China（北京理工大学计算机科学学院） ； Department of Computer Science and Engineering, Bologna University, Bologna, Italy（博洛尼亚大学计算机科学与工程系） 纠错

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

AI总结 PankRAG通过全局意识查询解析和依赖意识重排序机制，有效提升复杂查询中潜在关系的捕捉与解析，增强图检索的准确性和泛化能力。

Comments Accepted by ICASSP 2026

VoiceSculptor: Your Voice, Designed By You

VoiceSculptor: 由你设计你的声音

Jingbin Hu, Huakang Chen, Linhan Ma, Dake Guo, Qirui Zhan, Wenhao Li, Haoyu Zhang, Kangxiang Xia, Ziyu Zhang, Wenjie Tian, Chengyou Wang, Jinrui Liang, Shuhan Guo, Zihang Yang, Bengu Wu, Binbin Zhang, Pengcheng Zhu, Pengyuan Xie, Chuan Xie, Qiang Zhang, Jie Liu, Lei Xie

专题命中 检索器与排序 ：retrieval-augmented generation(abstract)；RAG(abstract)

AI总结 VoiceSculptor通过整合指令驱动的语音设计和高保真语音克隆，实现对语音属性的精细控制，并在开源领域达到最先进水平。

Comments 13 pages, 4 figures

Beyond Single-Shot: Multi-step Tool Retrieval via Query Planning

超越单次检索：通过查询规划实现多步工具检索

Wei Fang, James Glass

机构 * Massachusetts Institute of Technology（麻省理工学院） 纠错

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

AI总结 本文提出TOOLQP框架，通过迭代查询规划解决多步工具检索问题，实现更高效的检索和执行能力。

Approximate Graph Propagation Revisited: Dynamic Parameterized Queries, Tighter Bounds and Dynamic Updates

重新审视近似图传播：动态参数化查询、更紧的界限和动态更新

Zhuowei Zhao, Zhuo Zhang, Hanzhi Wang, Junhao Gan, Zhifeng Bao, Jianzhong Qi

专题命中 检索器与排序 ：retrieval-augmented generation(abstract)；RAG(abstract)

AI总结 本文提出AGP-Dynamic算法，实现动态图的O(1)均摊更新时间，同时保持近似保证和查询效率。

Materials Informatics: Emergence To Autonomous Discovery In The Age Of AI

材料信息学：在人工智能时代的涌现与自主发现

Turab Lookman, YuJie Liu, Zhibin Gao

专题命中 检索器与排序 ：retrieval-augmented generation(abstract)；RAG(abstract)

AI总结 本文探讨了材料信息学在人工智能时代的发展，从基础理论到AI驱动的自主发现，强调其作为不断演进的生态系统，通过反向设计和自主实验室推动材料科学的变革。

Comments 44 pages, 14 figures

Retrieval-Augmented Multi-LLM Ensemble for Industrial Part Specification Extraction

基于检索增强的多LLM集成工业零件规范提取系统

Muzakkiruddin Ahmed Mohammed, John R. Talburt, Leon Claasssens, Adriaan Marais

机构 * ERIQ Research Center University of Arkansas - Little Rock（ERIQ研究所以及阿肯色大学-利文斯顿分校） ； PiLog Group（PiLog集团） 纠错

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

AI总结 本文提出一种基于检索增强的多LLM集成框架，通过整合多种先进模型提升工业零件规范提取的准确性和完整性。

Comments The 17th International Conference on Knowledge and Systems Engineering