RAG / 检索增强生成

Pseudo-Relevance Feedback for Multiple Representation Dense Retrieval

Xiao Wang, Craig Macdonald, Nicola Tonellotto, Iadh Ounis

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

Comments 10 pages

Journal ref Proceedings of ICTIR 2021

Coverage Is Not Containment: A Fundamental Limit of Admission-Time Defenses Against Coordinated Poisoning of Vector Retrieval

覆盖并非包含：针对向量检索协同投毒的准入时刻防御的根本局限

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.CL

AI总结 该研究揭示摄入时刻防御无法抵御向量检索协同投毒，提出检索时刻检测器可捕获全部攻击，证明覆盖并非包含，稳健防御需转向查询需求。

Comments 10 pages, 9 figures. Preprint; under submission

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。

Filtered Approximate Nearest Neighbor Search in Vector Databases: System Design and Performance Analysis

向量数据库中的过滤近邻搜索：系统设计与性能分析

Abylay Amanbayev, Brian Tsan, Tri Dang, Florin Rusu

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

AI总结 本文研究了向量数据库中过滤近邻搜索的系统设计与性能，通过MoReVec数据集评估了不同引擎的过滤策略表现，揭示了算法适应性对索引性能的影响，并提出了GLS相关度量指标。

Comments The artifacts are available at: https://github.com/aabylay/ANN-benchmark-HQ

IVF-TQ: Calibration-Free Streaming Vector Search via a Codebook-Free Residual Layer

IVF-TQ：通过无码本残差层实现无需校准的流式向量搜索

Tarun Sharma

机构 * Independent Researcher（独立研究者） 纠错

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

AI总结 本文提出IVF-TQ，一种基于数据无关残差压缩层的倒排文件索引，通过固定随机旋转和预计算Lloyd-Max标量量化器实现流式向量搜索的稳定性能，无需码本训练或逐数据集位预算调整。

NAVIS: Concurrent Search and Update with Low Position-Seeking Overhead in On-SSD Graph-Based Vector Search

NAVIS: 在SSD上实现低位置搜索开销的并发搜索与更新

Jaeyong Song, Hongsun Jang, Changmin Shin, Seongyeon Park, Yong Jae Ryoo, Seo Jin Park, Jinho Lee

专题命中 向量检索 ：vector search(title,abstract)

AI总结 NAVIS通过优化布局、动态入口图和边列表缓存，降低位置搜索开销，提升大规模高维数据库的插入和搜索吞吐量，同时减少搜索延迟。

Comments 14 pages

The kernel of graph indices for vector search

图索引的核方法用于向量搜索

Mariano Tepper, Ted Willke

专题命中 向量检索 ：vector search(title,abstract)

AI总结 本文提出了一种基于核方法的图索引SVG，适用于度量和非度量向量空间，并引入SVG-L0实现稀疏性约束，提升向量搜索效率。

Fantasy: Efficient Large-scale Vector Search on GPU Clusters with GPUDirect Async

Fantasy: 在GPU集群上高效进行大规模向量搜索

Yi Liu, Chen Qian

专题命中 向量检索 ：vector search(title,abstract)

AI总结 Fantasy通过在GPU集群中流水线向量搜索与数据传输，利用GPUDirect Async技术提高大规模向量搜索的效率和吞吐量。

Fast Graph Vector Search via Hardware Acceleration and Delayed-Synchronization Traversal

Wenqi Jiang, Hang Hu, Torsten Hoefler, Gustavo Alonso

专题命中 向量检索 ：vector search(title,abstract)

Comments Accepted by VLDB'25

Journal ref Proceedings of the VLDB Endowment Volume 18, 2025

Towards Efficient and Scalable Distributed Vector Search with RDMA

Xiangyu Zhi, Meng Chen, Xiao Yan, Baotong Lu, Hui Li, Qianxi Zhang, Qi Chen, James Cheng

专题命中 向量检索 ：vector search(title,abstract)

Machine learning and high dimensional vector search

Matthijs Douze

专题命中 向量检索 ：vector search(title,abstract)

Less is More: Pre-train a Strong Text Encoder for Dense Retrieval Using a Weak Decoder

Shuqi Lu, Di He, Chenyan Xiong, Guolin Ke, Waleed Malik, Zhicheng Dou, Paul Bennett, Tieyan Liu, Arnold Overwijk

专题命中 向量检索 ：dense retrieval(title,abstract)

Zoom: SSD-based Vector Search for Optimizing Accuracy, Latency and Memory

Minjia Zhang, Yuxiong He

专题命中 向量检索 ：vector search(title,abstract)

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

H$^{2}$MT: Semantic Hierarchy-Aware Hierarchical Memory Transformer

H$^{2}$MT: 语义层次感知的层次记忆Transformer

Maryam Haghifam, Zifan He, Jason Cong, Yizhou Sun

机构 * University of California, Los Angeles（加州大学洛杉矶分校） 纠错

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

AI总结 提出H$^{2}$MT模型，通过离线构建语义层次结构并利用自底向上的后序聚合计算记忆嵌入，在推理时实现从粗到细的查询路由，从而在长上下文推理中实现质量与效率的权衡。

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。

VIBE: Vector Index Benchmark for Embeddings

VIBE：用于嵌入的向量索引基准测试

Elias Jääsaari, Ville Hyvönen, Matteo Ceccarello, Teemu Roos, Martin Aumüller

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

AI总结 本研究针对现有ANN基准数据集无法代表现代应用的问题，推出开源VIBE框架，含分布内外数据集，评估22个向量索引，为ANN算法提供最新基准测试。

Comments The 2nd Workshop on Vector Databases (VecDB@VLDB2026)

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

EMA: Approximate Nearest Neighbor Search with General Attribute Filtering and Dynamic Updates

EMA：支持通用属性过滤和动态更新的近似最近邻搜索

Mocheng Li, Baotong Lu, James Cheng, Chenhao Ma

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

AI总结 提出EMA算法，通过引入附着在图边上的紧凑摘要Marker，实现支持混合数值和类别属性多谓词查询的过滤近似最近邻搜索，并支持高效动态更新，在多种工作负载下速度提升1.68至12.25倍。

Comments 13 pages, 10 figures, Submitted to PVLDB Research Track

NasZip: Software and Hardware Co-Design to Accelerate Approximate Nearest Neighbor Search with DIMM-Based Near-Data Processing

NasZip: 软件和硬件协同设计以加速基于DIMM的近数据处理的近似最近邻搜索

Cheng Zou, Shuo Yang, Chen Nie, Yu Zou, Yu He, Chao Jiang, Limin Xiao, Weifeng Zhang, Zhezhi He

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

AI总结 本文提出NasZip框架，通过结合近数据处理和基于统计的主成分分析的特征级早退技术，优化高维向量距离计算，从而在保持准确性的同时提升近似最近邻搜索的效率。

Comments 17 pages, accepted by Proceedings of the 53rd Annual International Symposium on Computer Architecture (ISCA-26)

Is Grep All You Need? How Agent Harnesses Reshape Agentic Search

Grep 是否足够？代理如何重塑搜索流程

Sahil Sen, Akhil Kasturi, Elias Lumer, Anmol Gulati, Vamse Kumar Subbiah

机构 * PricewaterhouseCoopers（普华永道） 纠错

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

AI总结 本文通过两个实验比较了grep与向量检索在代理搜索中的效果，发现grep在准确性上优于向量检索，但整体表现仍受代理架构和工具调用方式影响。

VectorSmuggle: Steganographic Exfiltration in Embedding Stores and a Cryptographic Provenance Defense

VectorSmuggle: 嵌入式存储中的隐写术外泄及加密溯源防御

Jascha Wanger

机构 * ThirdKey / Tarnover, LLC（ThirdKey / 塔诺弗公司） 纠错

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

AI总结 本文研究了在嵌入式存储中通过简单扰动隐藏数据的隐写术攻击，提出VectorPin协议通过加密签名保障嵌入数据完整性，解决了嵌入式存储的溯源和完整性问题。

Comments 47 pages, 3 figures. Reference implementations: https://github.com/jaschadub/VectorSmuggle and https://github.com/jaschadub/VectorPin

FAVOR: Efficient Filter-Agnostic Vector ANNS Based on Selectivity-Aware Exclusion Distances

FAVOR: 基于选择性感知排除距离的高效滤波无关向量近似最近邻搜索

Junjie Song, Yu Liu, Guoyu Hu, Zhongle Xie, Ming Yang, Beng Chin Ooi, Ke Zhou

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

AI总结 FAVOR通过整合选择性估计与过滤ANNS执行，提出支持任意过滤条件的高效滤波无关向量ANNS，提升搜索效率并保持稳定性，实验显示其在Recall@10=95%时QPS比现有方法高1.3-5倍。

Nemotron ColEmbed V2: Top-Performing Late Interaction Embedding Models for Visual Document Retrieval

Nemotron ColEmbed V2：视觉文档检索中表现优异的后期交互嵌入模型

Gabriel de Souza P. Moreira, Ronay Ak, Mengyao Xu, Oliver Holworthy, Benedikt Schifferer, Zhiding Yu, Yauhen Babakhin, Radek Osmulski, Jiarui Cai, Ryan Chesler, Bo Liu, Even Oldridge

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

AI总结 本文提出Nemotron ColEmbed V2模型，通过集群采样、硬负样本挖掘等技术，在ViDoRe基准上实现最佳性能，展示了低维嵌入在准确率与存储间的平衡实验。

Comments Proceedings of the 1st Late Interaction Workshop (LIR) @ ECIR 2026, April 02, 2026

QVCache: A Query-Aware Vector Cache

QVCache: 一种查询感知的向量缓存

Anıl Eren Göçer, Ioanna Tsakalidou, Hamish Nicholson, Kyoungmin Kim, Anastasia Ailamaki

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

AI总结 QVCache是一种查询感知的向量缓存系统，通过语义相似性缓存和动态阈值学习，有效降低查询延迟并提升向量搜索效率。

LEANN: A Low-Storage Vector Index

LEANN: 一种低存储向量索引

Yichuan Wang, Zhifei Li, Shu Liu, Yongji Wu, Ziming Mao, Yilong Zhao, Xiao Yan, Zhiying Xu, Yang Zhou, Ion Stoica, Sewon Min, Matei Zaharia, Joseph E. Gonzalez

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

AI总结 LEANN通过动态计算嵌入和压缩近邻图索引，在大幅降低存储需求的同时保持了高效的向量搜索性能。

LexSemBridge: Fine-Grained Dense Representation Enhancement through Token-Aware Embedding Augmentation

Shaoxiong Zhan, Hai Lin, Hongming Tan, Xiaodong Cai, Hai-Tao Zheng, Xin Su, Zifei Shan, Ruitong Liu, Hong-Gee Kim

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

Comments 8 pages, 4 figures. Accepted to ECAI

Vector-Centric Machine Learning Systems: A Cross-Stack Approach

Wenqi Jiang

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

Comments PhD Thesis (ETH Zurich)

Jasper and Stella: distillation of SOTA embedding models

Dun Zhang, Jiacheng Li, Ziyang Zeng, Fulong Wang

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

Comments 7 pages, 1 figure