RAG / 检索增强生成

QASP: Query-Adaptive Robust Vector Search Policy

QASP：查询自适应鲁棒向量搜索策略

Hakan Ferhatosmanoglu, Kushal Kumar, Tal Wagner, Andy Warfield

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

AI总结 该研究针对向量搜索中固定参数导致的召回率方差及计算成本问题，提出QASP策略，通过前期回归预测召回曲线推导搜索策略，在99%召回率下减少80%数据访问，性能优异且可跨场景泛化。

Comments 12 pages, 6 figures, 6 tables, preprint

MonaVec: A Training-Free Embedded Vector Search Kernel for Edge and Offline AI Systems

MonaVec: 一种面向边缘和离线AI系统的免训练嵌入式向量搜索内核

Oğuzhan Yenen

专题命中 向量检索 ：vector search(title)；RAG(abstract,abstract_cn)；分类 cs.IR

AI总结 提出MonaVec，一种无需训练、数据无关的嵌入式向量搜索内核，通过随机哈达玛变换和预计算Lloyd-Max量化实现4位压缩，在边缘和离线场景下提供确定性结果，支持单文件部署。

Comments 27 pages, 11 figures. Code and artifacts: https://github.com/mona-hq/monavec (PyPI: monavec; crates.io: monavec-core). Zenodo: doi:10.5281/zenodo.20559587

A Mechanistic Analysis of Gender Sensitivity in Dense Retrieval Models

稠密检索模型中性别敏感性的机制分析

Catherine Chen, Maarten de Rijke, Carsten Eickhoff

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

AI总结 本文通过机制分析定位稠密检索模型性别敏感性源于输入嵌入与后期层注意力头，测试不同引导干预效果，为针对性去偏提供机制基础并指出相关信号分离挑战。

TEngineDB-V: An OLAP-Native Vector Search System for Large-$k$ Workloads at Tencent

TEngineDB-V：腾讯面向大k workloads的原生OLAP向量搜索系统

Xufei Wu, Pengcheng Zhang, Yitong Song, Xiaobo Zhang, Anqi Liang, Kai Wang, Jijun Du, Yidi Xiong, Guangxu Cheng, Zhe Chen, Peng Chen, Guoliang Li, Xuanhe Zhou, Fan Wu

专题命中 向量检索 ：vector search(title,abstract)；分类 cs.DB

AI总结 本文提出TEngineDB-V，一款腾讯的原生OLAP向量搜索系统，通过全局分块解耦索引等技术解决大k向量搜索问题，实验显示其性能较竞品最高提升145倍，适配百亿级生产部署。

iFVS: Towards Instance-Optimized Filtered Vector Search

iFVS：迈向实例优化的过滤向量搜索

Abdullah Al-Mamun, Yeasir Rayhan, Walid G. Aref

专题命中 向量检索 ：vector search(title,abstract)；分类 cs.DB

AI总结 研究现代AI+DB系统中过滤向量搜索问题，提出iFVS技术，针对特定数据集和查询工作负载，采用特定于查询的码本生成方法，依查询向量和过滤谓词估计距离，实验证明其提升了QPS与召回率的权衡。

Comments 4 pages

Ghost Vectors: Soft-Deleted Embeddings Remain Reconstructible in HNSW Vector Databases

幽灵向量：HNSW向量数据库中软删除的嵌入仍然可重构

Chandranil Chakraborttii, Jackeline García Alvarado, Sitora Abdulofizova, Shivanshu Dwivedi

机构 * Trinity College, USA（美国三一学院） 纠错

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

AI总结 研究揭示HNSW向量数据库的软删除机制存在安全漏洞，被标记删除的向量仍可通过存储层恢复，并提出基于加密密钥轮换的防护方案。

Comments 13 pages, 5 figures, 12 tables. Prepared for submission

When Global Gating Is Enough: Admission-Time Hubness Control in Anisotropic Vector Retrieval Systems

当全局门控足够：各向异性向量检索系统中的准入时间枢纽性控制

Prashant Kumar Pathak, Tarun Kumar Sharma

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

AI总结 针对检索增强生成中向量枢纽性引发的投毒风险，提出准入时间控制方法，通过哨兵查询评分隔离枢纽文档，全局门控在多个数据集上达到高召回率和低误报率。

A Comprehensive Empirical Evaluation of Vector Database Systems for Approximate Nearest Neighbor Search: Performance, Quality, and Resource Trade-offs

用于近似最近邻搜索的向量数据库系统的综合实证评估：性能、质量与资源权衡

Ashen Rashmiks, Tiroshan Madushanka

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

AI总结 本文对7款主流向量数据库系统开展综合实证评估，测量多维度指标，推导系统选择指南并发布开源基准框架，为AI应用选型提供依据。

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

Exploiting Structural Properties for Efficient Constraint-Aware HNSW Hyperparameter Tuning

利用结构特性进行高效的约束感知HNSW超参数调优

Geon Choi, Hoeun Lee, Jaeyoung Do

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

AI总结 从系统角度研究HNSW超参数调优，发现其配置空间有结构规律，提出CHAT框架，利用特定结构进行确定性、高效搜索，在多数据集和引擎上表现出色，优于基线。

Comments This paper has been accepted to ACM SIGMOD 2027

Filtered Vector Search in a Disaggregated Lakehouse: Composing Table-Format Pruning with Per-File ANN

分解式湖仓中的过滤向量搜索：表格式剪枝与逐文件ANN的组合

Rakesh Jain, Thomas Griffin, Syed Zawad

专题命中 向量检索 ：vector search(title)；分类 cs.IR、cs.DB

AI总结 本文提出在基于Apache Iceberg和Parquet的湖仓中，通过组合现有文件剪枝与逐文件IVF索引实现过滤向量搜索，在特定条件下可使ANN搜索速度提升数十倍。

Cluster with Auctions for Vector Search

通过拍卖进行向量搜索的聚类

Swann Bessa, Pierre Fernandez, Gergely Szilvasy, Matthijs Douze, Hervé Jégou

专题命中 向量检索 ：vector search(title)；分类 cs.IR

AI总结 研究针对大规模近似最近邻搜索中查询探测函数和数据库分区未分开处理的问题，提出CwA方法，联合学习平衡的数据库分区与神经探测函数，通过交替两步优化搜索性能，扩展后在不同分布下表现出色，提升了吞吐量。

Comments 10 pages, 6 figures. Under review at NeurIPS 2026

When Does Mixing Help? Analyzing Query Embedding Interpolation in Multilingual Dense Retrieval

何时混合有帮助？分析多语言稠密检索中的查询嵌入插值

Tongyao Zhu, Chao-Ming Huang, Min-Yen Kan

机构 * National University of Singapore（新加坡国立大学） 纠错

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

AI总结 通过嵌入级插值构造混合查询，系统研究多语言稠密检索对混合语言查询的敏感性，发现最优混合比在多数情况下优于单语言查询，且英语主导性导致不对称性。

Comments ACL 2026 Main (Oral)

Efficient Graph Indexing for Interval-Aware Vector Search

面向区间感知向量搜索的高效图索引

Siyuan Liang, Ziqi Yin, Qi Zhang, Ronghua Li, Guoren Wang, Kaiwen Xue, Daiyin Wang, Xubin Li

专题命中 向量检索 ：vector search(title)；分类 cs.DB

AI总结 提出统一区间感知相对邻域图（URNG），支持多种区间感知ANN查询语义，并开发实用图索引UG，通过统一剪枝和迭代修复实现高效搜索。

Comments 14 pages, 13 figures. Preprint version

Mapping Similarity Spaces across Embedding Models with Synthetic Query Probing

通过合成查询探测映射嵌入模型间的相似度空间

Marcin Rozmus, Peter van der Putten

机构 * Pegasystems（pegasystems公司） ； Leiden University（莱顿大学） 纠错

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

AI总结 本研究针对嵌入模型间相似度分数不可直接比较的问题，提出合成查询探测方法，通过学习分数分布映射实现跨模型相似度空间对齐，提升阈值可移植性，为嵌入可比性分析提供可扩展框架。

Comments Accepted for 29th International Conference on Discovery Science, October 5-9, 2026, Mainz, Germany

PLAID-PRF: Pseudo-Relevance Feedback with Centroid-like Tokens in PLAID

PLAID-PRF：在PLAID中使用类质心令牌的伪相关反馈

Xiao Wang, Sean MacAvaney, Craig Macdonald

机构 * University of International Business and Economics（国际经济贸易大学） ； University of Glasgow（格拉斯哥大学） 纠错

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

AI总结 研究在PLAID基础上提出PLAID-PRF方法，通过对顶部检索结果执行伪相关反馈来重新制定查询向量，利用质心向量降低计算成本。实验表明该方法能有效提升检索效果，相比PLAID有显著改进，且计算开销小，实现高效反馈感知后期交互检索。

Comments SIGIR 2026

PETRA: Transforming Web Text for Petroleum-Engineering Domain Adaptation

PETRA: 将网络文本转化为石油工程领域适应的数据集

Kirill Dubovikov, Omar El Mansouri, Hachem Madmoun, Yanda Li, Sandeep Kumar, Aya El Mir, Supriyo Ghosh, Writabrata Bhattacharya, Adrian Garcia-Garcia, Onkar Pandit, Sunil Kumar Sahu, Federico Castanedo, Larry Murray, Martin Takac, Salem Lahlou

机构 * Mohamed bin Zayed University of Artificial Intelligence（莫扎伊德大学人工智能学院） ； Inception AI 纠错

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

AI总结 针对石油工程检索中领域标签稀缺的问题，提出PETRA数据集和流程，通过噪声网络数据构建领域语料和合成监督信号，显著提升检索与重排序性能。

Unified Dominance Graph for Interval-Predicate Approximate Nearest Neighbor Search

区间谓词近似最近邻搜索的统一支配图

Kwun Hang Lau, Ruiyuan Zhang, Elton Chun-Chai Li, Wun Yu Chan, Xiaojun Cheng, Xiaofang Zhou

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

AI总结 提出统一支配图（UDG）框架，通过将区间端点映射到二维支配空间并构建支配标记图，统一处理包含、重叠等区间谓词，实现高效的区间谓词近似最近邻搜索。

Query-aware Routing for Filtered Approximate Nearest Neighbors Search

面向过滤近似最近邻搜索的查询感知路由

Qianqian Xiong, Mengxuan Zhang

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

AI总结 提出查询感知路由框架，通过轻量级ML模型预测各候选方法的召回率，结合离线基准表选择最佳召回-QPS权衡，在五个未见数据集上达到SOTA性能。

Comments 12 pages

HyperFL: Query-Adaptive Representation Learning for Software Fault Localization

HyperFL：面向软件故障定位的查询自适应表示学习

Shuai Shao, Yiming Zeng, Yu Zhao, Tingting Yu

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

AI总结 HyperFL是面向软件故障定位的查询自适应表示学习框架，通过轻量级超网络生成查询特定LoRA参数，在真实基准上较SweRank实现检索性能显著提升。

KoVRE: Training an Efficient Embedding Model for Korean Visual Document Retrieval

KoVRE：用于韩文视觉文档检索的高效嵌入模型训练

Yongbin Choi, Gyuho Shim, Youngjoon Jang

机构 * Kyung Hee University（庆熙大学） ； Korea University（高丽大学） 纠错

专题命中 向量检索 ：retriever(abstract)；分类 cs.AI

AI总结 该研究针对现有视觉文档检索模型以英语为中心的局限，提出韩文视觉文档单向量检索模型KoVRE，采用708729对双语查询-页面对训练，2B参数模型在基准测试中表现优于同类模型。

Mwando: Leveraging AI to Preserve and Teach shiKomori

Mwando：利用人工智能保护和教授希科莫里语

Naira Abdou Mohamed, Haidar Nassur Said Ali, Mohamed Hazra, Naoufal Mohamed Soibira, Roushnaty Ali Yamani

机构 * CP2BM Lab - Hassan II University（哈桑二世大学CP2BM实验室） ； Ibn Tofail University（伊本·图法伊勒大学） ； Sciences Po Grenoble（格勒诺布尔政治学院） 纠错

专题命中 向量检索 ：vector search(abstract)；分类 cs.CL

AI总结 研究旨在利用人工智能保护和教授希科莫里语，通过构建知识库和采用多智能体架构实现。对500个查询评估显示在词汇和语法方面性能良好，定性研究展示了能力与局限，为低资源语言开发教育工具提供蓝图。

EGR: Embedding-Native Generative Retrieval with a Shared LLM

EGR：使用共享语言模型的嵌入原生生成式检索

Xiaodong Liu, Congfei Zhang, Hsiang-wei Chao, Siman Wang, Tong Zhao, Xiao Bai, Vincent Zhang, Jingxiao Ma, Zhe Liu, Wenfeng Zhuo, Zichu Li, Jitin Krishnan, Yunzhi Zhou, Yajun Wang, Jinchao Li, Yu Zhang

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

AI总结 研究针对生成式检索在推荐和广告系统中的问题，提出EGR框架，利用共享语言模型在同一嵌入空间学习项目与用户表示，经联合对比训练，在多场景评估中表现出色，提升了转化率，简化了系统设计。

Comments Accepted to RecSys 2026

Decoupled Single-Mask Annotation Noise Detection via Cross-Sectional Patch Self-Consistency

通过横截面补丁自一致性进行解耦单掩码注释噪声检测

Yinheng Zhu, Xiaowei Xu

机构 * Tsinghua University（清华大学） ； Guangdong Provincial People’s Hospital（广东省人民医院） 纠错

专题命中 向量检索 ：vector search(abstract)；分类 cs.AI

AI总结 研究血管CT数据集单掩码注释噪声问题，提出利用横截面补丁自一致性的解耦框架检测噪声，通过采样、检索邻居及计算分数产生证据和质量图，实验验证其能提高训练鲁棒性并揭示注释偏差。

Comments 13 pages, 6 figures. Accepted by MICCAI 2026

Directory-Aware Query and Maintenance in Vector Databases

向量数据库中的目录感知查询与维护

Mengzhao Wang, Zheng Gong, Jingpei Hu, Jiajie Fu, Maojia Sheng, Junwen Chen, Yifan Zhu

专题命中 向量检索 ：vector search(abstract)；分类 cs.DB

AI总结 针对向量数据库缺乏层次目录语义的问题，提出目录语义查询(DSQ)和目录语义维护(DSM)算子，并评估三种实现策略，其中基于Trie的层次索引(TrieHI)通过树遍历实现高效递归检索并降低维护成本。

Three-Body Alignment: Aligning Chess Agent with Human Reasoning through Reranked Rationale

三体对齐：通过重新排序的理由将国际象棋智能体与人类推理对齐

Jaymari Chua, Chen Wang, Liming Zhu, Lina Yao

专题命中 向量检索 ：dense retrieval(abstract)

AI总结 研究如何通过国际象棋中的“三体对齐”，分析人类专家、引擎辅助评论员和大语言模型产生的理由间语义差异，构建多源理由数据集，进行实证分析与实验，开发数据集结构并开源，以改善智能体与人类对齐及决策的可解释性。

FeLoG: Scalable and Efficient Distributed Graph Embedding with Feedback Loop Mechanism

FeLoG：具有反馈循环机制的可扩展高效分布式图嵌入

Peng Fang, Arijit Khan, Ziqiang Wu, Zhenli Li, Yibo Zhou, Fang Wang, Dan Feng

机构 * Huazhong University of Science and Technology（华中科技大学） ； Bowling Green State University（伯灵顿州立大学） 纠错

专题命中 向量检索 ：retrieval-augmented generation(abstract)

AI总结 提出FeLoG系统，通过反馈耦合采样与训练、活动感知通信和轮次交错流水线，实现分布式图嵌入的加速和资源高效利用。

HyCE-RAG: Hypergraph Chain-of-Evidence Retrieval-Augmented Generation for Explainable Multi-hop Question Answering

HyCE-RAG：用于可解释多跳问答的超图证据链检索增强生成

Hong-Yu An, Yun-Jian Zhang, Chen-Wei Liang, Tian-Yi Zhang, Jian Ding, Yi-Lun Wu, Ao-Bo Li, Wei-Cong Su, Saifullah, Mujiangshan Wang

机构 * University of Macau（澳门大学） ； Shenzhen Kaihong Digital Industry Development Co., Ltd.（深圳开鸿数字产业发展有限公司） ； University of New South Wales（新南威尔士大学） ； Zhejiang University（浙江大学） ； Shenzhen Institute of Advanced Technology, Chinese Academy of Sciences（中国科学院深圳先进技术研究院） 纠错

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

AI总结 研究可解释多跳问答，提出HyCE-RAG框架，将实体等组织成超边构建超图，经置信度传播和证据组装选择连接证据路径，评分时考虑多种因素，实验证明其在多方面优于标准和基于图的RAG基线，为复杂问答检索后推理提供新方向。

Comments 15 pages, 3 figures, 4 tables

VDGR-RAG: Vectors, Directories, Graphs, and Reflection Are All You Need for Unified Reasoning over Hierarchical Enterprise Knowledge

VDGR-RAG：向量、目录、图与反思——统一分层企业知识推理所需的一切

Wenqi Chen, Haofei Yang, Rui Yang, Fangming Li

机构 * Huawei Technologies（华为技术有限公司） 纠错

专题命中 知识库问答 ：RAG(title,title_cn)；retrieval-augmented generation(abstract)；vector search(abstract)；knowledge retrieval(abstract)

AI总结 针对现有RAG方法在企业知识问答中存在的局限，提出整合向量、目录、图与反思的VDGR-RAG智能体GraphRAG系统，经实验其在召回率和准确率上均优于多种RAG基线。

EverydayGPT: Confidence-Gated Routing for Efficient and Safe Hybrid GPT-RAG Conversational QA

EverydayGPT: 用于高效安全混合GPT-RAG对话问答的置信门控路由

Jaspreet Singh Nahal

机构 * Dr. A.P.J. Abdul Kalam Technical University（阿卜杜尔·卡拉姆技术大学） 纠错

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

AI总结 提出置信门控路由机制，通过联合策略决定检索与生成路径，使85%的查询使用快速RAG提取，延迟降低120倍以上，同时保持答案质量。

Comments 12 pages, 10 figures, 6 tables. Code and evaluation scripts available at: https://github.com/merciless-admiral-3083/EverydayGPT. This paper studies routing strategies for hybrid GPT-RAG systems under resource constraints, focusing on efficiency-safety tradeoffs rather than state-of-the-art accuracy