UniOQA: A Unified Framework for Knowledge Graph Question Answering with Large Language Models
专题命中 图谱与结构化RAG ：retrieval-augmented generation(abstract)；RAG(abstract)；分类 cs.CL、cs.AI
Comments 10 pages, 5 figures
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. 图谱与结构化RAG 962 篇
Clustered Retrieved Augmented Generation (CRAG)
专题命中 图谱与结构化RAG ：retrieval augmented generation(abstract)；RAG(abstract)；分类 cs.CL、cs.AI
DFIN-SQL: Integrating Focused Schema with DIN-SQL for Superior Accuracy in Large-Scale Databases
专题命中 图谱与结构化RAG ：retrieval-augmented generation(abstract)；RAG(abstract)；分类 cs.AI、cs.DB
ESGReveal: An LLM-based approach for extracting structured data from ESG reports
专题命中 图谱与结构化RAG ：retrieval augmented generation(abstract)；RAG(abstract)；分类 cs.IR、cs.CL
Simple Entity-Centric Questions Challenge Dense Retrievers
专题命中 图谱与结构化RAG ：retriever(abstract)；dense retrieval(abstract)；分类 cs.IR、cs.CL
Comments EMNLP 2021. The code and data is publicly available at https://github.com/princeton-nlp/EntityQuestions
VoiceAgentRAG: Solving the RAG Latency Bottleneck in Real-Time Voice Agents Using Dual-Agent Architectures
VoiceAgentRAG: 通过双代理架构解决实时语音代理中RAG的延迟瓶颈
机构 * Salesforce AI Research（Salesforce人工智能研究）
专题命中 图谱与结构化RAG ：RAG(title)
AI总结 VoiceAgentRAG通过双代理架构实现实时语音代理中RAG的延迟优化，利用预加载缓存提升检索效率。
Taxonomy-Driven Analysis of Open-Source AI Risk Mitigation Tools
分类驱动的开源AI风险缓解工具分析
专题命中 图谱与结构化RAG ：retrieval-augmented generation(abstract)；RAG(abstract_cn)；分类 cs.AI
AI总结 本研究提出分类驱动的协议，将21种开源AI风险缓解工具映射到MIT分类法，发现工具在治理等领域存在缺口，为企业AI风险缓解提供实用框架。
Profile-Graph Memory for LLM Agents: Implicit Cross-Entity Traversal through Narrative Profiles
用于大语言模型智能体的概要图内存：通过叙事概要进行隐式跨实体遍历
专题命中 图谱与结构化RAG ：RAG(abstract,abstract_cn)；分类 cs.AI
AI总结 研究针对大语言模型智能体长期记忆中多跳关联未被充分测量的问题，提出了MemHop基准和ProGraph两层内存架构，通过概要扩展与压缩残差实现跨实体遍历，提升了多跳推理及精确召回能力，在多个基准测试中表现优异并开源相关实现。
Comments 11 pages, 2 figures, 7 tables. Code and MemHop benchmark: https://github.com/ShengtongZhu/ProGraph
Cache-Aware Prompt Compression:A Two-Tier Cost Model for LLM API Caching
缓存感知提示压缩：用于大语言模型API缓存的双层成本模型
机构 * PayPal Inc.（贝宝公司）
专题命中 图谱与结构化RAG ：RAG(abstract,abstract_cn)；分类 cs.AI
AI总结 研究大语言模型API缓存成本，发现现有方法不足。提出缓存感知提示压缩（CAPC），结合查询无关压缩与缓存控制。经实验验证，CAPC在多种配置下成本最低，在生产工作负载中表现出色，验证了交叉模型负投资回报率预测。
Comments 28
All Relations Lead to Rome: Automated Knowledge Graph Creation and Question Generation
所有关系通向罗马：自动化知识图谱构建与问题生成
专题命中 图谱与结构化RAG ：dense retrieval(abstract)；hybrid retrieval(abstract)；分类 cs.IR
AI总结 提出ARLtR框架，联合构建知识图谱、嵌入和基于事实的问答对，实现符号图与稠密检索的统一表示，并以罗马帝国历史数据集验证。
Comments 10 pages, 5 figures, version one
DEEPMED Search: An Open-Source Agentic Platform for Medical Deep Research with Introspective Verification
DEEPMED Search: 一个具有内省验证功能的开源医学深度研究智能体平台
机构 * School of Computer Science and Software Engineering, Shanghai University（上海大学计算机科学与软件工程学院） ； Department of Computer Science and Engineering, Shanghai Jiao Tong University（上海交通大学计算机科学与工程系）
专题命中 图谱与结构化RAG ：RAG(abstract,abstract_cn)；分类 cs.AI
AI总结 提出一个开源智能体平台DEEPMED Search，通过源自适应路由和内省验证模块，自动分解复杂医学查询并生成结构化报告，解决异构医疗数据检索中的推理漂移问题。
Comments 5 pages, 2 figures, 2 tables. Accepted to IJCAI-ECAI 2026 Demo Track. Project website: https://www.deepmedsearch.cloud. Demo video: https://youtu.be/4U4aok8yLpk
Retrieval-Warmed Energy-Based Reasoning: A Five-Arm Ablation Methodology for Diffusion-as-Inference on Structured Reasoning Tasks
检索预热能量基推理：结构化推理任务上扩散即推断的五臂消融方法
机构 * Department of Computer Science and Software Engineering, Auburn University（奥本大学计算机科学与软件工程系） ； Department of Information Management, National Central University（国立中央大学信息管理系）
专题命中 图谱与结构化RAG ：RAG(abstract,abstract_cn)；分类 cs.AI
AI总结 提出五臂消融方法（oracle、best-constant、per-query-random、shuffled、aligned）分离检索预热能量基推理中的三种混淆效应，在连通性-2任务上发现逐图对齐主导性能提升，而在数独任务上关键质量成为瓶颈。
Comments 8 Pages, 6 Figures
Predicate Importance Estimation and Decoupled Rationale-Score Distillation for Entity Alignment
谓词重要性估计与解耦理由-分数蒸馏用于实体对齐
机构 * SungKyunKwan University（成均馆大学） ； NAVER
专题命中 图谱与结构化RAG ：RAG(abstract,abstract_cn)；分类 cs.CL
AI总结 提出谓词重要性估计和解耦理由-分数蒸馏两个模块，通过谓词感知嵌入和蒸馏小语言模型提升知识图谱实体对齐性能，并利用分数与理由的不一致实现人机协同验证。
Comments 12 pages, 10 figures
AgentRiskBOM: A Risk-Scoping Security Bill of Materials for Agentic AI Systems
AgentRiskBOM：面向智能体AI系统的风险范围安全物料清单
机构 * WAI USA Research Labs（WAI美国研究实验室） ； WAI USA（WAI美国）
专题命中 图谱与结构化RAG ：RAG(abstract,abstract_cn)；分类 cs.AI
AI总结 提出AgentRiskBOM，一种扩展SBOM/AIBOM/MLBOM的安全物料清单，通过添加运行时权限字段（自主性、工具权限、内存、凭证范围等）来填补智能体AI系统的能力透明度缺口，并在13个开源智能体上验证其覆盖率和检测能力。
Comments Accepted at IEEE International Conference on Cybersecurity and AI-Based Systems (Cyber-AI 2026)
DecoSearch: Complexity-Aware Routing and Plan-Level Repair for Text-to-SQL
DecoSearch: 面向Text-to-SQL的复杂度感知路由与计划级修复
机构 * Florida International University（佛罗里达国际大学） ； NEC-Labs（NEC实验室） ； Singapore Management University（新加坡管理大学）
专题命中 图谱与结构化RAG ：RAG(abstract,abstract_cn)；分类 cs.AI
AI总结 提出DecoSearch框架，通过复杂度感知路由将查询分配给直接生成或DAG分解，并结合拓扑精炼器修复执行失败，在BIRD和Spider上取得高准确率且显著降低token消耗。
WikiKV: Schema-Evolving Path-Indexed Storage for Hierarchical Knowledge Navigation
WikiKV: 面向层次知识导航的架构演化路径索引存储
专题命中 图谱与结构化RAG ：RAG(abstract,abstract_cn)；分类 cs.DB
AI总结 提出WikiKV，一种专为LLM策展层次知识库设计的路径索引键值存储模型，通过数据驱动架构、一致性协议和预算导航算子，实现低延迟查询和渐进式答案优化。
Comments 14 pages, 5 figures
Experiments in Agentic AI for Science
科学领域中的自主AI代理实验
机构 * School of Data Science, Department of Computer Science, and Biocomplexity Institute, University of Virginia（数据科学学院、计算机科学系和生物复杂性研究所，弗吉尼亚大学）
专题命中 图谱与结构化RAG ：RAG(abstract,abstract_cn)；分类 cs.AI
AI总结 提出两种基于本地体-远程脑架构的自主AI代理框架，通过系统工程技术克服上下文和推理限制，分别用于时间序列数据集的大规模自动整理和物理讲座的结构化报告生成。
GraphMind: From Operational Traces to Self-Evolving Workflow Automation
GraphMind：从操作轨迹到自演化工作流自动化
机构 * Microsoft, USA ； University of Illinois Chicago, USA ； Microsoft, Spain
专题命中 图谱与结构化RAG ：RAG(abstract,abstract_cn)；分类 cs.AI
AI总结 提出GraphMind系统，通过离线提取因果工作流图、在线多智能体遍历执行和自适应遍历强化，实现云数据库事故调查中的自动化工作流，相比基线方法减少8倍检索上下文并降低26%幻觉率。
Can Large Language Models Revolutionize Survey Research? Experiments with Disaster Preparedness Responses
大型语言模型能否革新调查研究？与灾害准备响应的实验
机构 * Dept. of Urban and Regional Planning & Florida Institute for Built Environment Resilience, University of Florida（城市与区域规划系及佛罗里达环境韧性研究所，佛罗里达大学） ； College of Liberal Arts and Sciences, Bureau of Economic and Business Research, University of Florida（文理学院及经济与商业研究局，佛罗里达大学）
专题命中 图谱与结构化RAG ：RAG(abstract,abstract_cn)；分类 cs.AI
AI总结 本文探讨了大型语言模型在调查研究中的应用，通过实验验证了其在灾害准备响应中的有效性，提出了一个五阶段框架，涵盖问卷设计、样本选择、试点测试、缺失数据填补和事后分析，并介绍了基于保护动机理论的协同出现知识图谱和七种LLM配置。
EpiGraph: Building Generalists for Evidence-Intensive Epilepsy Reasoning in the Wild
EpiGraph：构建证据密集型癫痫推理的通用专家
机构 * Florida State University（佛罗里达州立大学） ； The University of Osaka（大阪大学） ； University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校）
专题命中 图谱与结构化RAG ：RAG(abstract,abstract_cn)；分类 cs.AI
AI总结 EpiGraph通过整合癫痫领域异构知识图谱，提升证据驱动的临床推理能力，在药基因组学任务中提升30-41%，为神经科应用提供实用评估框架。
PrimeKG-CL: A Continual Graph Learning Benchmark on Evolving Biomedical Knowledge Graphs
PrimeKG-CL：一个在演进生物医学知识图谱上的持续图学习基准
机构 * Technology, Innovation, Entrepreneurship Department（技术、创新与创业系） ； King Abdullah University of Science and Technology（国王阿卜杜勒阿齐兹大学） ； School of Computing and Information Systems（计算与信息系） ； The University of Melbourne（墨尔本大学） ； College of Computer Science and Technology（计算机科学与技术学院） ； School of Computing Technologies（计算技术学院） ； Jilin University（吉林大学） ； RMIT University（皇家墨尔本理工大学） ； Department of Systems Engineering and Engineering Management（系统工程与工程管理系） ； The Chinese University of Hong Kong（香港中文大学） ； Department of Data Science and Artificial Intelligence（数据科学与人工智能系） ； Hong Kong Polytechnic University（香港理工大学）
专题命中 图谱与结构化RAG ：RAG(abstract,abstract_cn)；分类 cs.AI
AI总结 本文提出PrimeKG-CL基准，基于九个权威生物医学数据库构建，包含时间快照、任务和多模态特征，评估六种持续学习策略在不同解码器上的性能，发现解码器选择和策略交互显著，仅DistMult能区分持久与过时知识。
IoDResearch: Deep Research on Private Heterogeneous Data via the Internet of Data
IoDResearch：通过互联网的数据进行私有异构数据的深度研究
专题命中 图谱与结构化RAG ：RAG(abstract,abstract_cn)；分类 cs.IR
AI总结 本文提出IoDResearch框架，通过将异构资源转化为FAIR合规的数字对象，提升私有数据的检索效率和可重用性，实验表明其在检索、问答和报告生成任务中优于现有基线方法。
Comments Accepted to ICASSP 2026
Learning When Not to Decide: A Framework for Overcoming Factual Presumptuousness in AI Adjudication
学习何时不决定：一种克服人工智能裁决中事实预设性的框架
机构 * Stanford University（斯坦福大学）
专题命中 图谱与结构化RAG ：RAG(abstract,abstract_cn)；分类 cs.AI
AI总结 本文研究了人工智能裁决中因信息不足导致的预设性问题，提出SPEC框架在失业保险裁决中实现89%的准确率，展示了如何通过结构化提示清单解决信息缺失问题。
Automatic Ontology Construction Using LLMs as an External Layer of Memory, Verification, and Planning for Hybrid Intelligent Systems
利用LLMs构建自动本体：作为混合智能系统记忆、验证和规划的外部层
专题命中 图谱与结构化RAG ：RAG(abstract,abstract_cn)；分类 cs.AI
AI总结 本文提出了一种混合架构，通过扩展LLMs的外部本体记忆层，实现结构化知识图谱的构建与维护，提升多步推理性能并支持生成-验证-修正流程。
Comments Artificial Intelligence; Knowledge Representation and Reasoning; Information Retrieval; Machine Learning
The Provenance Gap in Clinical AI: Evidence-Traceable Temporal Knowledge Graphs for Rare Disease Reasoning
临床AI中的溯源差距：用于罕见疾病推理的证据可追溯时间知识图谱
机构 * Department of Mathematics and Computer Science, University of Southern Denmark（丹麦南方大学数学与计算机科学系） ； Universitätsmedizin Göttingen（哥廷根大学医学中心）
专题命中 图谱与结构化RAG ：RAG(abstract,abstract_cn)；分类 cs.CL
AI总结 本文提出HEG-TKG系统，通过时间知识图谱提升临床推理的证据可追溯性，实现100%证据可验证性，同时保证安全性和完整性。
Comments 32 pages, 9 figures, 7 tables. Will submit to npj Digital Medicine. Supplementary materials included
Doc-V*:Coarse-to-Fine Interactive Visual Reasoning for Multi-Page Document VQA
Doc-V*：多页文档视觉问答中的粗到细交互推理
机构 * School of Software Engineering, Huazhong University of Science and Technology（华中科技大学软件工程学院） ； MiLM Plus, Xiaomi Inc.（小米公司MiLM Plus团队） ； School of Computer Science and Technology, Huazhong University of Science and Technology（华中科技大学计算机科学与技术学院） ； School of Data Science, Fudan University（复旦大学数据科学学院）
专题命中 图谱与结构化RAG ：RAG(abstract,abstract_cn)；分类 cs.CL
AI总结 Doc-V*提出一种无OCR的智能框架，通过序列证据聚合解决多页文档VQA问题，结合语义检索和目标页面获取，提升回答准确性和证据收集效率，在五个基准测试中优于开源基线，提升领域外性能达47.9%。
Towards Platonic Representation for Table Reasoning: A Foundation for Permutation-Invariant Retrieval
迈向表格推理的柏拉图表示：一种排列不变检索的基础
机构 * Department of Mathematics and Data Science, Vrije Universiteit Brussel (VUB)（瓦隆公国布鲁塞尔自由大学数学与数据科学系） ； Data Science Lab, Royal Library of Belgium (KBR)（比利时皇家图书馆数据科学实验室）
专题命中 图谱与结构化RAG ：RAG(abstract,abstract_cn)；分类 cs.AI
AI总结 本文提出柏拉图表示假设，主张表格推理需要内在排列不变的潜在空间，通过分析和实验揭示了现有模型在布局变化下的脆弱性，并提出结构感知的表格推理编码器。
Exploiting Web Search Tools of AI Agents for Data Exfiltration
利用AI代理的网络搜索工具进行数据外泄
机构 * Open Hippo GmbH（Open Hippo有限公司） ； University of Augsburg（奥格斯堡大学） ； Smart Labs AI GmbH（Smart Labs AI有限公司）
专题命中 图谱与结构化RAG ：retrieval augmented generation(abstract)；RAG(abstract)；分类 cs.CL
AI总结 研究分析了AI代理通过网络搜索工具进行数据外泄的攻击方式，探讨了模型大小、制造商及实现方式对漏洞的影响，并提出加强训练、建立攻击向量数据库和统一测试框架等安全措施。
Comments 9 pages, 6 figures, conference article
Plasma GraphRAG: Physics-Grounded Parameter Selection for Gyrokinetic Simulations
等离子体图RAG：用于磁流体动力学模拟的物理基础参数选择
机构 * Nanyang Technological University（南洋理工大学） ； CEA, IRFM（法国原子能委员会，磁聚变研究所） ； College of Computing and Data Science, Nanyang Technological University（南洋理工大学计算与数据科学学院） ； School of Physical and Mathematical Sciences, Nanyang Technological University（南洋理工大学物理与数学科学学院）
专题命中 图谱与结构化RAG ：retrieval-augmented generation(abstract)；RAG(abstract)；分类 cs.AI
AI总结 本文提出Plasma GraphRAG，结合图检索增强生成与大语言模型，实现自动化、物理基础的参数范围识别，提升模拟可靠性并加速科学发现。
Comments 9 pages, 8 figures
Learning to Edit Knowledge via Instruction-based Chain-of-Thought Prompting
通过基于指令的思考链提示学习知识编辑
机构 * Beijing University of Posts and Telecommunications（北京邮电大学） ； Peking University（北京大学） ； Huawei Technologies Ltd.（华为技术有限公司） ； Chongqing University of Posts and Telecommunications（重庆邮电大学）
专题命中 图谱与结构化RAG ：retrieval-augmented generation(abstract)；RAG(abstract)；分类 cs.CL
AI总结 本文提出CoT2Edit方法，通过思考链推理提升大语言模型的知识编辑能力，解决泛化差和范围窄的问题，实验显示在六个场景中表现优异。
Comments Accepted by ACL 2026 main conference
