PACMS: Submodular Context Selection as a Pluggable Engine for LLM Agents
PACMS: 作为LLM代理可插拔引擎的子模上下文选择
专题命中 检索器与排序 ：retrieval augmented generation(abstract)；分类 cs.IR
AI总结 提出PACMS，一种基于子模函数最大化的上下文选择方法，在提示组装时按相关性从会话、记忆和工具输出中挑选内容，替代截断机制，提升长对话中的信息保持能力。
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。
1. 检索器与排序 4558 篇
Measuring Curriculum Alignment across Topical Coverage, Competency, and Cognitive Depth: A Longitudinal Framework Applied to CS2013 and CS2023
衡量课程在主题覆盖、能力与认知深度上的一致性：应用于CS2013和CS2023的纵向框架
机构 * United Arab Emirates University（阿联酋大学） ； Abu Dhabi Polytechnic（阿布扎比理工学院）
专题命中 检索器与排序 ：retriever(abstract)；分类 cs.AI
AI总结 提出一种人机协同流程，通过语义检索与人工确认，纵向衡量计算机科学课程对CS2013和CS2023指南的覆盖情况，发现课程覆盖稳定但新指南对认知深度要求更高。
Comments 24 pages, 5 figures, 8 tables
Telenor Nordics Customer Service self-help corpus
Telenor Nordics 客户服务自助语料库
机构 * Research and Innovation, Telenor Group（Telenor集团研究与创新）
专题命中 检索器与排序 ：retrieval-augmented generation(abstract)；分类 cs.CL
AI总结 本文构建了一个包含芬兰语、丹麦语、挪威语和瑞典语的多语言客户服务自助语料库，共1122篇文档，用于支持北欧NLP和信息检索研究。
Comments 8 pages, 2 figures, 5 tables. Submitted to Nordic Machine Intelligence. Dataset: https://zenodo.org/records/19493152
Journal ref Nordic Machine Intelligence 6(1), 2026
User as Engram: Internalizing Per-User Memory as Local Parametric Edits
用户作为印迹：将每用户记忆内化为局部参数编辑
机构 * Pine AI
专题命中 检索器与排序 ：retriever(abstract)；分类 cs.AI
AI总结 提出User as Engram方法，将用户事实存储为Engram模型的哈希键控记忆表中的局部编辑，推理技能共享一个适配器，实现高精度间接推理且内存占用极小。
Querit-Reranker: Training Compact Multilingual Rerankers via Efficient Label-Free Distribution Adaptation
Querit-Reranker: 通过高效无标签分布适应训练紧凑型多语言重排序器
专题命中 检索器与排序 ：retriever(abstract)；分类 cs.IR
AI总结 提出Querit-Reranker系列多语言交叉编码器重排序模型，采用数据驱动的无标签适应管道，通过合成查询挖掘和教师软标签进行分布适应，并利用球面线性插值合并检查点，在BEIR和MIRACL上显著提升nDCG@10，在MTEB多语言重排序上达到最优性能。
FLASH-MAXSIM: IO-Aware Fused Kernels for Late-Interaction Retrieval
FLASH-MAXSIM: 面向IO感知的融合内核用于晚期交互评分
专题命中 检索器与排序 ：RAG(abstract)；分类 cs.IR
AI总结 提出Flash-MaxSim，一种IO感知的融合GPU内核，通过流式分块和片上SRAM折叠行最大规约，避免物化完整相似度张量，显著降低内存占用并加速晚期交互检索（如ColBERT、ColPali）的MaxSim评分。
MemBoost: A Memory-Boosted Framework for Cost-Aware LLM Inference
MemBoost：一种面向成本感知的LLM推理的内存增强框架
机构 * University of Cambridge（剑桥大学） ； ETH Zurich（苏黎世联邦理工学院）
专题命中 检索器与排序 ：retrieval-augmented generation(abstract)；分类 cs.CL
AI总结 提出MemBoost框架，通过轻量模型重用历史答案和检索支持信息，并选择性将困难查询路由到强模型，以降低LLM推理成本，同时保持回答质量。
Comments ICML MemFM 2026 Workshop
Maintaining Leiden Communities in Large Dynamic Graphs
维护大规模动态图中的 Leiden 社区
专题命中 检索器与排序 ：retrieval-augmented generation(abstract)；分类 cs.DB
AI总结 针对现有动态 Leiden 算法在频繁更新下效率低的问题，提出 HIT-Leiden 算法，通过维护连通分量和层次社区结构减少受影响顶点范围，实现高达五个数量级的加速。
IsabeLLM: Automated Theorem Proving Applied to Formally Verifying Consensus
IsabeLLM: 自动化定理证明应用于共识的形式化验证
机构 * Imperial College London（伦敦帝国学院）
专题命中 检索器与排序 ：retrieval-augmented generation(abstract)；分类 cs.AI
AI总结 本文改进IsabeLLM自动化定理证明工具，通过检索增强生成、错误追踪和反例生成提升大语言模型上下文，并兼容最新Isabelle和Sledgehammer，用于验证比特币工作量证明共识。
Compositional Skill Routing for LLM Agents: Decompose, Retrieve, and Compose
面向LLM智能体的组合技能路由：分解、检索与组合
机构 * Alibaba Cloud（阿里云）
专题命中 检索器与排序 ：retriever(abstract)；分类 cs.CL
AI总结 提出SkillWeaver框架，通过迭代技能感知分解（SAD）将复杂查询分解为原子子任务，检索对应技能并组合为可执行计划，在CompSkillBench上验证了分解质量是主要瓶颈，SAD将分解准确率提升32.7%。
PreAct: Computer-Using Agents that Get Faster on Repeated Tasks
PreAct：在重复任务上加速的计算机使用代理
机构 * Pine AI
专题命中 检索器与排序 ：retriever(abstract)；分类 cs.AI
AI总结 提出PreAct方法，通过将首次成功执行编译为状态机程序，在后续任务中直接重放，避免逐步骤调用语言模型，实现8.5-13倍加速，并确保重放时屏幕状态匹配。
Can LLMs Be CEOs? Benchmarking Strategic Resource Reallocation with Multi-Role Agent Simulation
LLM 能当 CEO 吗？基于多角色智能体模拟的战略资源重新配置基准测试
机构 * MBZUAI（穆罕默德·本·扎耶德人工智能大学） ； Yale University（耶鲁大学）
专题命中 检索器与排序 ：knowledge retrieval(abstract)；分类 cs.AI
AI总结 提出 CEO-Bench，一个多智能体基准，评估 LLM 在约束丰富的组织环境中进行多轮战略资源重新配置的能力，发现模型在结构有效性上表现良好，但在战略校准上存在系统性失败模式。
Comments 13 pages
When Rules Learn: A Self-Evolving Agent for Legal Case Retrieval
当规则学习时：一种用于法律案例检索的自演化智能体
机构 * Center of Information Research, AMS（AMS信息研究中心） ； Discipline and Technology Research Center for Large Model Intelligence Applications（大模型智能应用学科与技术研究中心） ； Hebei University of Engineering（河北工程大学）
专题命中 检索器与排序 ：dense retrieval(abstract)；分类 cs.AI
AI总结 提出一种自演化框架，通过LLM智能体自动生成并优化查询重写规则，无需参数训练即可增强BM25在法律案例检索中的性能。
Comments To appear in ACL 2026
Cluster-Aware Dual-Level Test Specification Generation for Large-Scale Automotive Software Requirements
面向大规模汽车软件需求的集群感知双层测试规格生成
机构 * CairoMotive Cairo, Egypt（开罗动力埃及）
专题命中 检索器与排序 ：retrieval-augmented generation(abstract)；分类 cs.AI
AI总结 提出一种“先聚类后总结”流水线，通过嵌入、降维、聚类、多级摘要和双层测试生成，解决大规模需求下LLM处理依赖缺失和上下文窗口限制问题，提升集成测试覆盖率并高效扩展。
SPARK: Security Knowledge Priming and Representation-Guided Knowledge Activation for LLM-based Secure Code Generation
SPARK: 基于安全知识引导与表示激活的LLM安全代码生成
机构 * Radboud University（拉德堡德大学） ； University of Bristol（布里斯托大学） ； University of Zagreb（扎格雷布大学）
专题命中 检索器与排序 ：knowledge retrieval(abstract)；分类 cs.AI
AI总结 提出SPARK方法，通过检索CWE条目并添加结构化提示激活模型内隐安全知识，结合预计算令牌偏置，无需重训练即可提升代码安全性。
RASST: Retrieval-Augmented Simultaneous Speech Translation
RASST：检索增强的同声传译
机构 * Johns Hopkins University（约翰霍普金斯大学） ； Carnegie Mellon University（卡内基梅隆大学）
专题命中 检索器与排序 ：retriever(abstract)；分类 cs.CL
AI总结 针对同声传译中罕见术语翻译不准的问题，提出检索增强方法RASST，通过轻量级语音-文本检索器提供分块术语提示，并合成训练数据教会模型何时应用检索术语，在ACL 60/60和ESO测试集上术语准确率提升近40%，BLEU提升最多3点。
Comments Under Review
Verifiable User Simulation for Search and Recommendation Systems
面向搜索与推荐系统的可验证用户模拟
专题命中 检索器与排序 ：retrieval-augmented generation(abstract)；分类 cs.IR
AI总结 提出一个七组件可审计框架，将用户模拟器视为可验证工程制品，通过动手实验检查模拟器行为、诊断差异并检测人口偏差。
Comments Presented as a half-day tutorial at SIGIR 2026, 4 pages
Journal ref In Proceedings of the 49th International ACM SIGIR Conference on Research and Development in Information Retrieval (SIGIR 2026)
Decoupled Mixture-of-Experts for Parametric Knowledge Injection
解耦混合专家用于参数化知识注入
机构 * Department of Computer Science and Technology, Tsinghua University（清华大学计算机科学与技术系）
专题命中 检索器与排序 ：retrieval-augmented generation(abstract)；分类 cs.CL
AI总结 提出解耦混合专家（DMoE）架构，将外部知识转化为独立可更新的专家模块，通过轻量级不确定性感知路由器在基础模型知识不足时激活相关专家，实现参数级知识增强，在知识密集型基准上优于检索和适配器基线。
CoDeR: Local Constraint-Compatible Retrieval Beyond Semantic Similarity
CoDeR: 超越语义相似性的局部约束兼容检索
专题命中 检索器与排序 ：dense retrieval(abstract)；分类 cs.IR
AI总结 针对约束敏感查询中语义相似性作为相关性代理的失效问题，提出CoDeR方法，通过分离主题相关性与约束兼容性，利用对比学习训练兼容性评分器，在不调用外部大模型的情况下实现约束兼容检索。
CompRank: Efficient LLM Reranking via Token-Level Compression and Decoding-Free Scoring
CompRank: 通过令牌级压缩和无解码评分实现高效的LLM重排序
专题命中 检索器与排序 ：retrieval-augmented generation(abstract)；分类 cs.IR
AI总结 提出CompRank框架，通过令牌级压缩和无解码注意力评分减少冗余计算，在BEIR数据集上仅保留10.2%文档令牌即达到接近全令牌的排序性能，并实现4.9-9.5倍端到端加速。
Towards Autonomous Accelerator Design: FPGA Accelerator Generation with SECDA
迈向自主加速器设计：基于SECDA的FPGA加速器生成
机构 * School of Computing Science, University of Glasgow, Scotland, UK（格拉斯哥大学计算机科学学院）
专题命中 检索器与排序 ：retrieval-augmented generation(abstract)；分类 cs.AI
AI总结 提出SECDA-DSE框架，集成大语言模型引导FPGA加速器设计空间探索，通过结构化探索器和LLM推理生成可综合的加速器设计，减少人工干预。
Comments Accepted to the Machine Learning for Architecture and Systems Workshop (MLArchSys), co-located with ISCA 2026
Density Field State Space Models: 1-Bit Distillation, Efficient Inference, and Knowledge Organization in Mamba-2
密度场状态空间模型：Mamba-2中的1比特蒸馏、高效推理与知识组织
机构 * Independent Researcher（独立研究者）
专题命中 检索器与排序 ：knowledge retrieval(abstract)；分类 cs.CL
AI总结 提出DF-SSM框架，将SSM压缩至1比特骨架加int8低秩校正，应用于Mamba-2 1.3B模型，实现9.7倍压缩和21.4倍推理加速，仅需3200万令牌和6小时蒸馏，并发现模型内部知识组织的三个处理阶段。
Comments 16 pages, 6 figures, 7 tables. Code available at https://github.com/cs-cmyk/df-ssm
AbstRAG: Learning to Abstract for Retrieval Problems
AbstRAG：面向检索问题的抽象学习
机构 * Idiap Research Institute（Idiap 研究所） ； École Polytechnique Fédérale de Lausanne (EPFL)（洛桑联邦理工学院 (EPFL)） ； São Paulo State University（圣保罗州立大学） ； University of Manchester（曼彻斯特大学） ； CRUK National Biomarker Centre（英国癌症研究中心国家生物标志物中心）
专题命中 检索器与排序 ：retrieval-augmented generation(abstract)；分类 cs.CL
AI总结 针对查询与文档证据间的抽象鸿沟问题，提出AbstRAG方法，通过将抽象作为显式检索对象，并采用反思性精炼机制，在三个基准上提升了检索和生成性能。
MM-Matryoshka: Towards Budget-Elastic Visual Document Retrieval via a 2D Multimodal Matryoshka Training Framework
MM-Matryoshka：通过二维多模态套娃训练框架实现预算弹性视觉文档检索
机构 * Hong Kong University of Science and Technology (Guangzhou)（香港科技大学（广州）） ； Alibaba Cloud Computing（阿里云计算） ； Hong Kong University of Science and Technology（香港科技大学）
专题命中 检索器与排序 ：retriever(abstract)；分类 cs.AI
AI总结 提出MM-Matryoshka，一种二维套娃训练框架，使视觉文档检索器在向量维度和编码器深度上实现弹性预算选择，无需为不同预算训练独立模型。
Semantic Motion Anchors: Bridging Motion and Meaning in Co-Speech Gestures
语义运动锚点：连接共语手势中的运动与意义
机构 * Saarland University（萨尔兰大学） ； MPI for Informatics（信息研究所） ； Saarland Informatics Campus（萨尔兰信息校园） ； University of British Columbia（不列颠哥伦比亚大学） ； Vector Institute（向量研究所） ； Zuse School（祖斯学校）
专题命中 检索器与排序 ：retrieval-augmented generation(abstract)；分类 cs.CL
AI总结 提出语义运动锚点方法，通过将3D手势离散化为身体-手部运动基元并转化为结构化描述，在文本与运动之间建立辅助对比监督，显著提升共语手势检索的语义相关性。
Cropping outperforms dropout as an augmentation strategy for self-supervised training of text embeddings
裁剪优于dropout作为自监督训练文本嵌入的增强策略
机构 * Hertie Institute for AI in Brain Health（人工智能与脑健康赫尔蒂研究所） ； University of Tübingen（图宾根大学） ； University of Tübingen, Germany（德国图宾根大学）
专题命中 检索器与排序 ：retrieval-augmented generation(abstract)；分类 cs.CL
AI总结 本文研究了自监督微调中裁剪和dropout两种增强策略，发现裁剪在文本嵌入质量上表现更优，尤其在领域内数据中能快速生成高质量嵌入。
Journal ref Transactions on Machine Learning Research (TMLR) 2026
Towards Retrieving Interaction Spaces for Agentic Search
面向智能体搜索的交互空间检索
专题命中 检索器与排序 ：retriever(abstract)；分类 cs.IR
AI总结 提出RISE方法，通过BM25构建有边界的交互空间，并预处理文档支持shell式导航，在BrowseComp-Plus上以约四分之一成本达到78%准确率，优于纯shell基线。
Subtraction Gets You More: Gap-Aware Retrieval for Multimodal Multi-Hop QA
减法让你获得更多：面向多模态多跳问答的差距感知检索
专题命中 检索器与排序 ：retriever(abstract)；分类 cs.IR
AI总结 针对多模态多跳问答中的证据集补全和序列池构建任务，提出GRAIL框架，通过隐式查询重写和上下文减法查询引导，解决语义锚定问题，实现组合跨模态推理，在MultimodalQA上获得40.3%的宏平均性能提升。
DEER: Disentangled Mixture of Experts with Instance-Adaptive Routing for Generalizable Machine-Generated Text Detection
DEER: 面向可泛化机器生成文本检测的实例自适应路由解耦专家混合模型
机构 * Faculty of Electronic and Information Engineering, Xi’an Jiaotong University（电子与信息工程学院，西安交通大学） ； China Mobile Group（中国移动集团） ； Queen Mary University of London（伦敦大学玛丽女王学院） ； City University of Hong Kong（香港城市大学）
专题命中 检索器与排序 ：knowledge retrieval(abstract)；分类 cs.CL
AI总结 提出DEER框架，通过解耦领域局部与领域不变知识为专门专家模块，并利用强化学习驱动的路由器基于实例级检测奖励选择专家路径，解决机器生成文本检测中的领域偏移问题，在域内和域外数据集上均取得优于现有方法的性能。
Comments ARR Under Review
HyperPatch: Sequential Knowledge Editing Under n-ary Structural Drift
HyperPatch: n元结构漂移下的顺序知识编辑
机构 * National Yang Ming Chiao Tung University
专题命中 检索器与排序 ：retriever(abstract)；分类 cs.CL
AI总结 针对非平稳环境中n元事件顺序更新引发的结构漂移问题，提出HyperPatch框架，通过超图流形上的稳定性建模，实现参数保留的知识编辑，在MQuAKE-CF和MQuAKE-T基准上分别取得96.24%和21.06%的跳步准确率相对提升。
Comments Accepted to Proceedings of the 32nd ACM SIGKDD Conference on Knowledge Discovery and Data Mining (KDD 2026)
