RAG / 检索增强生成

Characterizing the Dilemma of Performance and Index Size in Billion-Scale Vector Search and Breaking It with Second-Tier Memory

Rongxin Cheng, Yifan Peng, Xingda Wei, Hongrui Xie, Rong Chen, Sijie Shen, Haibo Chen

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

An Approach for Embedding-Guided Function Reuse Detection in Embedded C Software

嵌入式C软件中嵌入引导的函数复用检测方法

A A Talha Talukder, Omar Alam, Akramul Azim

专题命中 向量检索 ：RAG(summary_cn,abstract)；retrieval-augmented generation(abstract)

AI总结 本文提出领域感知RAG流水线，结合8种模型与4种硬件兼容性验证器，检测嵌入式C软件函数复用，解决SonarQube高假阳性问题，验证器准确率达97.5%。

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

Cracking Vector Search Indexes

破解向量搜索索引

Vasilis Mageirakos, Bowen Wu, Gustavo Alonso

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

AI总结 CrackIVF是一种自适应分区索引，通过逐步适应查询工作负载，实现比提前构建索引更快的初始化速度，适用于冷数据和未见数据集的高效检索。

Comments vldb camera ready update

Journal ref Proceedings of the VLDB Endowment 18 (2025) 3951-3964

V3DB: Audit-on-Demand Zero-Knowledge Proofs for Verifiable Vector Search over Committed Snapshots

V3DB：可审计的零知识证明用于验证的向量搜索 over 提交的快照

Zipeng Qiu, Wenjie Qu, Jiaheng Zhang, Binhang Yuan

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

AI总结 V3DB通过零知识证明实现可审计的向量搜索，确保在不可信服务提供商执行近邻搜索时的正确性验证。

FaTRQ: Tiered Residual Quantization for LLM Vector Search in Far-Memory-Aware ANNS Systems

FaTRQ：面向远内存感知的ANNS系统中的分层残差量化

Tianqi Zhang, Flavio Ponzina, Tajana Rosing

机构 * San Diego State University（圣地亚哥州立大学） 纠错

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

AI总结 FaTRQ通过分层残差量化和自定义加速器，提升ANNS系统的存储效率和吞吐量。

Semantic Grounding Index: Geometric Bounds on Context Engagement in RAG Systems

语义 grounding 指数：RAG 系统中上下文参与的几何界限

Javier Marín

机构 * CERT 纠错

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

AI总结 本文提出语义 grounding 指数（SGI），通过几何角度分析 RAG 系统中响应与问题、上下文之间的关系，揭示幻觉响应在角度上接近问题而非上下文，验证了 SGI 在评估响应真实性中的有效性。

Trinity: Disaggregating Vector Search from Prefill-Decode Disaggregation in LLM Serving

Trinity: 从LLM服务中解耦向量搜索与预填解码解耦

Yi Liu, Chen Qian

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

AI总结 Trinity通过整合向量搜索到单一GPU池，优化PD解耦LLM服务的检索效率，减少尾部延迟。

Quake: Adaptive Indexing for Vector Search

Jason Mohoney, Devesh Sarda, Mengze Tang, Shihabur Rahman Chowdhury, Anil Pacaci, Ihab F. Ilyas, Theodoros Rekatsinas, Shivaram Venkataraman

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

Driving-RAG: Driving Scenarios Embedding, Search, and RAG Applications

Cheng Chang, Jingwei Ge, Jiazhe Guo, Zelin Guo, Binghong Jiang, Li Li

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

4bit-Quantization in Vector-Embedding for RAG

Taehee Jeong

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

Locally-Adaptive Quantization for Streaming Vector Search

Cecilia Aguerrebere, Mark Hildebrand, Ishwar Singh Bhati, Theodore Willke, Mariano Tepper

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

Anserini Gets Dense Retrieval: Integration of Lucene's HNSW Indexes

Xueguang Ma, Tommaso Teofili, Jimmy Lin

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

Learning Discrete Representations via Constrained Clustering for Effective and Efficient Dense Retrieval

Jingtao Zhan, Jiaxin Mao, Yiqun Liu, Jiafeng Guo, Min Zhang, Shaoping Ma

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

Comments WSDM 2022

An In-Depth Study of Filter-Agnostic Vector Search on a PostgreSQL Database System: [Experiments and Analysis]

对PostgreSQL数据库系统中滤波无关向量搜索的深入研究：[实验与分析]

Duo Lu, Helena Caminal, Manos Chatzakis, Yannis Papakonstantinou, Yannis Chronis, Vaibhav Jain, Fatma Özcan

机构 * Brown University Providence Rhode Island USA ； Google Sunnyvale California USA ； Google San Diego California USA ； ETH Zurich \& Google Zurich Switzerland ； Google Bangalore India ； Brown University ； Google ； ETH Zurich \& Google 纠错

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

AI总结 本文研究滤波无关向量搜索在生产级PostgreSQL系统中的性能，发现距离计算成本并非唯一决定因素，系统级开销和过滤操作影响更大，指出图算法在实际中表现不如聚类索引。

Comments 26 pages, 13 figures, to be published at SIGMOD 2026

RAE: A Neural Network Dimensionality Reduction Method for Nearest Neighbors Preservation in Vector Search

Han Zhang, Dongfang Zhao

机构 * University of Washington（华盛顿大学） 纠错

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

Comments submitted to ICLR 2026

QAEA-DR: A Unified Text Augmentation Framework for Dense Retrieval

Hongming Tan, Shaoxiong Zhan, Hai Lin, Hai-Tao Zheng, Wai Kin Chan

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

Zero-Shot Dense Retrieval with Embeddings from Relevance Feedback

Nour Jedidi, Yung-Sung Chuang, Leslie Shing, James Glass

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

Tabular Embedding Model (TEM): Finetuning Embedding Models For Tabular RAG Applications

Sujit Khanna, Shishir Subedi

专题命中 向量检索 ：RAG(title,abstract)；分类 cs.IR、cs.CL、cs.AI

Comments 11 pages, 5 figures

Toward Efficient and Scalable Design of In-Memory Graph-Based Vector Search

Ilias Azizi, Karima Echihab, Themis Palpanas, Vassilis Christophides

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

Comments Presented at ICML 2025 VecDB Workshop; an extended version appeared in ACM SIGMOD 2025 ('Graph-Based Vector Search: An Experimental Evaluation of the State-of-the-Art')

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

From Embedding Geometry to Spectral Search: Energy Dispersion Networks For Vector Retrieval

从嵌入几何到谱搜索：面向向量检索的能量色散网络

Lorenzo Moriondo, Ilias Azizi

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

AI总结 提出图布线框架，利用特征空间谱结构改进向量检索，通过谱索引和τ调制实现几何与谱信息的融合，提升头尾一致性和语义对齐。

NeuRoute: Logit-Guided Neural Routing for Billion-Scale Vector Search with Sub-Hour Index Construction

NeuRoute：基于Logit引导的神经路由的十亿级向量搜索，构建亚小时级索引

Xingqiao Wang, Zi Wang, Xiaowei Xu

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

AI总结 NeuRoute是基于Logit引导的神经路由的轻量级ANN索引框架，通过训练神经网络编码器生成二进制地址，在十亿级向量搜索中实现亚小时级索引构建，且精度-吞吐量权衡优异。

Comments 34 pages, 9 figures

Xetrieval: Mechanistically Explaining Dense Retrieval

Xetrieval：机械解释稠密检索

Zhixin Cai, Jun Bai, Yang Liu, Jiaqi Li, Yichi Zhang, Taichuan Li, Zhuofan Chen, Zixia Jia, Zilong Zheng, Wenge Rong

机构 * School of Computer Science and Engineering, Beihang University（北航计算机科学与工程学院） ； State Key Laboratory of General Artificial Intelligence, BIGAI（通用人工智能国家重点实验室，BIGAI） 纠错

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

AI总结 提出Xetrieval框架，通过嵌入级别的推理内化器和稀疏可解释特征分解，机械地解释稠密检索模型为何赋予高相关性分数。

Comments Code: https://github.com/Hihiczx/Xetrieval ; Project page: https://hihiczx.github.io/Xetrieval

MINT: Multi-Vector Search Index Tuning

MINT: 多向量搜索索引调优

Jiongli Zhu, Yue Wang, Bailu Ding, Philip A. Bernstein, Vivek Narasayya, Surajit Chaudhuri

机构 * University of California, San Diego（加州大学圣地亚哥分校） ； Microsoft Research（微软研究院） 纠错

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

AI总结 本文提出MINT框架，针对多向量搜索场景，通过算法优化实现低延迟和存储召回约束下的索引调优，相比基线提升2.1至8.3倍。

SIVF: GPU-Resident IVF Index for Streaming Vector Search

SIVF：面向流式向量搜索的GPU驻留IVF索引

Dongfang Zhao

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

AI总结 SIVF是一种GPU原生的IVF索引，通过冲突自由的slab分配和非连续内存的合并搜索算法，实现流式向量搜索中的高效原地修改，显著降低删除延迟并展现接近线性的扩展性。

GPU-Accelerated Algorithms for Graph Vector Search: Taxonomy, Empirical Study, and Research Directions

基于GPU的图向量搜索算法：分类、实证研究与研究方向

Yaowen Liu, Xuejia Chen, Anxin Tian, Haoyang Li, Qinbin Li, Xin Zhang, Alexander Zhou, Chen Jason Zhang, Qing Li, Lei Chen

机构 * Hong Kong Polytechnic University, Hong Kong SAR（香港理工大学） ； The Hong Kong University of Science and Technology, Hong Kong SAR（香港理工大学） ； Huazhong University of Science and Technology, China（华中科技大学） 纠错

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

AI总结 本文研究了基于GPU的图向量搜索算法，通过实证分析揭示了距离计算和数据传输对性能的影响，并提出了系统设计中的关键权衡。

Optimization of Latent-Space Compression using Game-Theoretic Techniques for Transformer-Based Vector Search

基于博弈论技术的Transformer向量搜索中潜在空间压缩优化

Kushagra Agrawal, Nisharg Nargund, Oishani Banerjee

机构 * School of Computer Engineering, KIIT Deemed to be University, Bhubaneswar, Odisha - India（计算机工程学院，KIIT大学，巴胡瓦斯瓦尔，奥里萨-印度） 纠错

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

AI总结 本文提出基于博弈论的潜在空间压缩优化方法，通过平衡检索准确性和存储效率，提升Transformer向量搜索的效率和语义效用。

Journal ref In: Proceedings of the International Conference on Distributed Computing and Intelligent Technology (ICDCIT), Springer, 2026

Curator: Efficient Vector Search with Low-Selectivity Filters

Curator: 基于低选择性过滤的高效向量搜索

Yicheng Jin, Yongji Wu, Wenjun Hu, Bruce M. Maggs, Jun Yang, Xiao Zhang, Danyang Zhuo

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

AI总结 Curator通过双索引架构和基于分区的索引，有效处理低选择性过滤的ANNS，提升查询效率并降低资源消耗。

Comments Accepted at SIGMOD 2026