RAG / 检索增强生成

ArchRAG: Attributed Community-based Hierarchical Retrieval-Augmented Generation

ArchRAG: 基于属性社区的分层检索增强生成

Shu Wang, Yixiang Fang, Yingli Zhou, Xilin Liu, Yuchi Ma

机构 * Microsoft（微软） 纠错

专题命中 检索器与排序 ：retrieval-augmented generation(title,abstract)；RAG(abstract,abstract_cn)；分类 cs.IR、cs.AI

AI总结 ArchRAG通过引入属性社区和层次聚类方法，提升图数据检索效率与生成准确性，降低token消耗。

Comments Published in Proceedings of the AAAI Conference on Artificial Intelligence, 2026

Journal ref Proceedings of the AAAI Conference on Artificial Intelligence, 40(19), 15868-15876, 2026

Structure-Aware Chunking for Tabular Data in Retrieval-Augmented Generation

面向表格数据的结构感知分块

Pooja Guttal, Varun Magotra, Vasudeva Mahavishnu, Natasha Chanto, Sidharth Sivaprasad, Manas Gaur

机构 * Altumatim ； University of Maryland, Baltimore County（马里兰大学巴尔的摩分校） 纠错

专题命中 检索器与排序 ：retrieval-augmented generation(title,abstract)；RAG(abstract,abstract_cn)；分类 cs.IR、cs.CL

AI总结 本文提出一种结构感知表格分块框架，通过行级单位构建层次化行树表示，提升token利用率和检索性能。

Comments 5 Pages, 1 figure, 4 Tables, 1 Algorithm, Work In Progress

CroSearch-R1: Better Leveraging Cross-lingual Knowledge for Retrieval-Augmented Generation

CroSearch-R1: 更有效地利用跨语言知识进行检索增强生成

Rui Qi, Fengran Mo, Sijin Lu, Yufeng Chen, Jian-Yun Nie, Kaiyu Huang

机构 * School of Computer Science and Technology, Beijing Jiaotong University（北京交通大学计算机科学与技术学院） 纠错

专题命中 检索器与排序 ：retrieval-augmented generation(title,abstract)；RAG(abstract,abstract_cn)；分类 cs.IR、cs.CL

AI总结 本文提出CroSearch-R1框架，通过多轮检索策略和多语言回放机制，提升跨语言知识在检索增强生成中的有效性。

Comments Accepted to SIGIR 2026 (Short Paper)

CORAL: Adaptive Retrieval Loop for Culturally-Aligned Multilingual RAG

CORAL：面向文化对齐的多语言RAG自适应检索循环

Nayeon Lee, Jiwoo Song, Byeongcheol Kang

机构 * Naver（纳维尔） ； Samsung Research（三星研究院） 纠错

专题命中 检索器与排序 ：RAG(title,title_cn)；retrieval-augmented generation(abstract)；分类 cs.CL、cs.AI

AI总结 CORAL通过迭代优化检索空间和查询，提升多语言检索生成在文化相关性上的表现，实验显示在低资源语言上准确率提升3.58%。

Comments 23 pages, 9 figures. Accepted at ACL 2026 (Findings)

From Ambiguity to Accuracy: The Transformative Effect of Coreference Resolution on Retrieval-Augmented Generation systems

从歧义到准确性：核心指代消解对检索增强生成系统的影响

Youngjoon Jang, Seongtae Hong, Junyoung Son, Sungjin Park, Chanjun Park, Heuiseok Lim

机构 * Korea University（韩国大学） ； Naver Corp（Naver公司） 纠错

专题命中 检索器与排序 ：retrieval-augmented generation(title,abstract)；RAG(abstract,abstract_cn)；分类 cs.CL、cs.AI

AI总结 研究探讨了核心指代消解对检索增强生成系统中文档检索和生成性能的影响，发现消解能提升检索效果和问答性能，尤其对小模型有显著帮助。

Comments ACL 2025 SRW

Journal ref https://aclanthology.org/2025.acl-srw.27

XGRAG: A Graph-Native Framework for Explaining KG-based Retrieval-Augmented Generation

XGRAG：一种用于基于知识图谱检索增强生成的图原生解释框架

Zhuoling Li, Ha Linh Hong Tran Nguyen, Valeria Bladinieres, Maxim Romanovsky

机构 * Berlin Technology Centre（柏林技术中心） ； Deutsche Bank（德意志银行） 纠错

专题命中 检索器与排序 ：retrieval-augmented generation(title,abstract)；RAG(abstract,abstract_cn)；分类 cs.IR、cs.AI

AI总结 XGRAG通过图基扰动策略生成因果解释，提升GraphRAG系统的可解释性，在多个问答数据集上实现解释质量提升。

Domain Fine-Tuning vs. Retrieval-Augmented Generation for Medical Multiple-Choice Question Answering: A Controlled Comparison at the 4B-Parameter Scale

领域微调与检索增强生成在医学多选问答中的比较：在4B参数规模下的受控比较

Avi-ad Avraam Buskila

机构 * Department of Information Science and Applied Artificial Intelligence（信息科学与应用人工智能系） 纠错

专题命中 检索器与排序 ：retrieval-augmented generation(title,abstract)；RAG(abstract,abstract_cn)；分类 cs.IR、cs.CL

AI总结 研究比较了领域微调与检索增强生成在医学多选问答中的效果，发现领域微调在多数投票准确率上优于通用模型，而检索增强生成未显著提升性能。

Rethinking Retrieval-Augmented Generation as a Cooperative Decision-Making Problem

重新思考检索增强生成作为协作决策问题

Lichang Song, Ting Long, Yi Chang

机构 * Jilin University（吉林大学） 纠错

专题命中 检索器与排序 ：retrieval-augmented generation(title,abstract)；RAG(abstract,abstract_cn)；分类 cs.CL、cs.AI

AI总结 本文提出CoRAG框架，将检索器与生成器视为平等决策者，通过共同优化任务目标提升生成稳定性与泛化能力。

FRESCO: Benchmarking and Optimizing Re-rankers for Evolving Semantic Conflict in Retrieval-Augmented Generation

FRESCO：用于检索增强生成中动态语义冲突的重排序器基准测试与优化

Sohyun An, Hayeon Lee, Shuibenyang Yuan, Chun-cheng Jason Chen, Cho-Jui Hsieh, Vijai Mohan, Alexander Min

机构 * Meta Superintelligence Labs（Meta超智能实验室） 纠错

专题命中 检索器与排序 ：retrieval-augmented generation(title,abstract)；RAG(abstract,abstract_cn)；分类 cs.IR、cs.AI

AI总结 FRESCO针对检索增强生成中动态语义冲突问题，评估重排序器在时间动态场景下的性能，发现现有重排序器对较旧文档存在偏见，通过指令优化框架改进了27%的动态知识任务性能。

Stateful Evidence-Driven Retrieval-Augmented Generation with Iterative Reasoning

具有迭代推理的有状态证据驱动检索增强生成

Qi Dong, Ziheng Lin, Ning Ding

专题命中 检索器与排序 ：retrieval-augmented generation(title,abstract)；RAG(abstract,abstract_cn)；分类 cs.CL、cs.AI

AI总结 本文提出一种具有迭代推理的有状态证据驱动检索增强生成框架，通过逐步积累证据提升问答稳定性与鲁棒性，在多个基准测试中表现出色。

Benchmarking Foundation Models with Retrieval-Augmented Generation in Olympic-Level Physics Problem Solving

基于检索增强生成在奥林匹克级物理问题求解中的基础模型评估

Shunfeng Zheng, Yudi Zhang, Meng Fang, Zihan Zhang, Zhitan Wu, Mykola Pechenizkiy, Ling Chen

机构 * AAII, University of Technology Sydney, New South Wales, Australia（AAII，悉尼大学，新南威尔士州，澳大利亚） ； Eindhoven University of Technology, Eindhoven, The Netherlands（埃因霍温理工大学，埃因霍温，荷兰） ； University of Liverpool, Liverpool, United Kingdom（利物浦大学，利物浦，英国） ； University of New South Wales, New South Wales, Australia（新南威尔士大学，新南威尔士州，澳大利亚） 纠错

专题命中 检索器与排序 ：retrieval-augmented generation(title,abstract)；RAG(abstract,abstract_cn)；分类 cs.CL、cs.AI

AI总结 本文通过PhoPile多模态数据集评估检索增强生成在奥林匹克级物理问题求解中的表现，探讨了基础模型结合检索与物理语料对性能提升的影响及存在的挑战。

Comments Accepted to EMNLP 2025 (Findings)

Domain-Specific Data Generation Framework for RAG Adaptation

面向RAG适应的领域特定数据生成框架

Chris Xing Tian, Weihao Xie, Zhen Chen, Zhengyuan Yi, Hui Liu, Haoliang Li, Shiqi Wang, Siwei Ma

机构 * Peng Cheng Laboratory（鹏城实验室） ； City University of Hong Kong（香港城市大学） ； Peking University（北京大学） 纠错

专题命中 检索器与排序 ：RAG(title,abstract)；retrieval-augmented generation(abstract)；retriever(abstract)；分类 cs.CL、cs.AI

AI总结 本文提出RAGen框架，通过识别文档中的关键概念生成领域相关的问答对，支持多种RAG适应策略，提升领域适应效果。

Comments To appear in ACL 2026

Entropic Claim Resolution: Uncertainty-Driven Evidence Selection for RAG

熵驱动的声明解析：面向RAG的不确定性驱动的证据选择

Davide Di Gioia

专题命中 检索器与排序 ：RAG(title,abstract)；retrieval-augmented generation(abstract)；dense retrieval(abstract)；分类 cs.CL、cs.AI

AI总结 本文提出ECR算法，通过熵最小化解决RAG中的不确定性问题，改进证据选择方法，提升在复杂场景下的决策能力。

Comments Preprint

Graph-Aware Late Chunking for Retrieval-Augmented Generation in Biomedical Literature

面向生物医学文献的图感知后期分块检索增强生成

Pouria Mortezaagha, Arya Rahgozar

机构 * Methodological Implementation Research, Ottawa Hospital Research Institute（方法学实施研究，渥太华医院研究所在职） ； School of Engineering Design and Teaching Innovation, University of Ottawa（工程设计与教学创新学院，渥太华大学） 纠错

专题命中 检索器与排序 ：retrieval-augmented generation(title,abstract)；RAG(abstract)；hybrid retrieval(abstract)；分类 cs.IR、cs.AI

AI总结 本文提出GraLC-RAG框架，结合图感知结构智能与后期分块技术，通过结构感知分块、UMLS知识图谱融合和图引导混合检索，提升生物医学文献多部分信息检索与生成质量。

Type-Aware Retrieval-Augmented Generation with Dependency Closure for Solver-Executable Industrial Optimization Modeling

具有依赖闭合的类型感知检索增强生成用于可执行工业优化建模

Y. Zhong, R. Huang, M. Wang, Z. Guo, YC. Li, M. Yu, Z. Jin

专题命中 检索器与排序 ：retrieval-augmented generation(title,abstract)；RAG(abstract)；hybrid retrieval(abstract)；分类 cs.CL、cs.AI

AI总结 本文提出一种类型感知检索增强生成方法，通过强制依赖闭合确保工业优化建模的可执行性，有效解决大型语言模型在复杂工程优化中的执行难题。

Retrieval-Augmented Generation Assistant for Anatomical Pathology Laboratories

增强检索生成的解剖病理实验室助手

Diogo Pires, Yuriy Perezhohin, Mauro Castelli

机构 * Nova Information Management School (NOVA IMS), Universidade Nova de Lisboa, Campus de Campolide（诺瓦信息管理学院（NOVA IMS），里斯本新大学，坎波利德校区） 纠错

专题命中 检索器与排序 ：retrieval-augmented generation(title,abstract)；RAG(abstract)；hybrid retrieval(abstract)；分类 cs.IR、cs.AI

AI总结 本研究提出一种专为解剖病理实验室设计的检索增强生成助手，通过领域专用嵌入模型提升答案相关性和准确性，优化实验室规程查询效率。

MIXRAG : Mixture-of-Experts Retrieval-Augmented Generation for Textual Graph Understanding and Question Answering

MIXRAG : 基于专家混合的检索增强生成用于文本图理解与问答

Lihui Liu, Jiayuan Ding, Subhabrata Mukherjee, Carl J. Yang

机构 * Wayne State University（韦恩州立大学） ； Emory University（埃默里大学） 纠错

专题命中 检索器与排序 ：retrieval-augmented generation(title,abstract)；RAG(abstract)；retriever(abstract)；分类 cs.IR、cs.AI

AI总结 MIXRAG通过专家混合图-RAG框架，利用多个专门化图检索器和动态路由控制器，提升复杂查询处理和噪声过滤能力，实现文本图理解和问答任务的高性能表现。

Connect the Dots: Knowledge Graph-Guided Crawler Attack on Retrieval-Augmented Generation Systems

连点成线：知识图谱引导的爬虫攻击对抗检索增强生成系统

Mengyu Yao, Ziqi Zhang, Ning Luo, Shaofei Li, Yifeng Cai, Xiangqun Chen, Yao Guo, Ding Li

机构 * MOE Key Lab of HCST (PKU), School of Computer Science, Peking University（信息与电子技术教育部重点实验室（北京大学）、计算机科学学院、北京大学） ； Department of Computer Science, University of Illinois Urbana-Champaign（计算机科学系、伊利诺伊大学厄巴纳-香槟分校） ； Department of Electrical and Computer Engineering, University of Illinois Urbana-Champaign（电气与计算机工程系、伊利诺伊大学厄巴纳-香槟分校） 纠错

专题命中 检索器与排序 ：retrieval-augmented generation(title,abstract)；RAG(abstract)；retriever(abstract)；分类 cs.IR、cs.AI

AI总结 RAGCrawler通过知识图谱引导的攻击方法，有效提升RAG系统知识库的覆盖能力，实现70%覆盖率的查询效率提升达4.03倍，并达到0.699的代理重建相似度。

Less is More for RAG: Information Gain Pruning for Generator-Aligned Reranking and Evidence Selection

少即是多：为生成器对齐的检索增强生成中的信息增益剪枝

Zhipeng Song, Yizhi Zhou, Xiangyu Kong, Jiulong Jiao, Xinrui Bao, Xu You, Xueqing Shi, Yuhang Zhou, Heng Qi

机构 * organization= School of Computer Science ； Technology, Dalian University of Technology , addressline= No.2 Linggong Road, Ganjingzi District , city= Dalian , postcode= 116024 , country= China ； organization= College of Health-Preservation ； Wellness, Dalian Medical University , addressline= No. 9 West Section of Lvshun South Road, Lvshunkou District , city= Dalian , postcode= 116044 , country= China ； organization= School of Information Engineering, Dalian Ocean University , addressline= No. 2-52, Heishijiao Street, Shahekou District , city= Dalian , postcode= 116023 , country= China ； organization= School of Information Engineering, Liaodong University , addressline= No.116 Linjiang Back Street, Zhenan District , city= Dandong , postcode= 118001 , country= China ； organization= Information Technology Center, Qinghai University , addressline= 251 Ningda Road, Chengbei District , city= Xining , postcode= 810016 , country= China ； organization= School of Electronic ； Information Engineering, Liaoning Technical University , addressline= 188 Longwan South Street, Sijiatun District , city= Huludao , postcode= 125105 , country= China ； organization= Tencent (Dalian Northern Interactive Entertainment Technology Co., Ltd.) , addressline= 21/F, Tencent Building, No. 26 Jingxian St, Ganjingzi District , city= Dalian , postcode= 116085 , country= China 纠错

专题命中 检索器与排序 ：RAG(title,abstract)；retrieval-augmented generation(abstract)；retriever(abstract)；分类 cs.CL、cs.AI

AI总结 本文提出信息增益剪枝方法，通过生成器对齐的效用信号优化证据选择，提升RAG在有限上下文预算下的生成质量与效率。

Comments 26 pages, 10 figures

Optimizing Retrieval for RAG via Reinforcement Learning

通过强化学习优化RAG的检索

Jiawei Zhou, Lei Chen

专题命中 检索器与排序 ：RAG(title,abstract)；retrieval-augmented generation(abstract)；retriever(abstract)；分类 cs.IR、cs.CL

AI总结 通过强化学习优化RAG检索，提升检索性能并适应多样化环境。

Cooperative Retrieval-Augmented Generation for Question Answering: Mutual Information Exchange and Ranking by Contrasting Layers

协作检索增强生成用于问答：通过对比层进行互信息交换和排序

Youmin Ko, Sungjong Seo, Hyunjoon Kim

机构 * Department of Artificial Intelligence, Hanyang University（人工智能学院，翰阳大学） ； Department of Data Science, Hanyang University（数据科学学院，翰阳大学） 纠错

专题命中 检索器与排序 ：retrieval-augmented generation(title,abstract)；RAG(abstract)；retriever(abstract)；分类 cs.CL、cs.AI

AI总结 CoopRAG通过协作检索与生成机制，提升问答任务中检索与生成的准确性。

Comments Accepted to NeurIPS 2025

Beyond Component Strength: Synergistic Integration and Adaptive Calibration in Multi-Agent RAG Systems

超越组件强度：多智能体RAG系统中的协同整合与自适应校准

Jithin Krishnan

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

专题命中 检索器与排序 ：RAG(title,abstract)；retrieval-augmented generation(abstract)；hybrid retrieval(abstract)；分类 cs.CL、cs.AI

AI总结 该研究探讨了多智能体RAG系统中组件协同整合的重要性，发现通过混合检索、集合验证和自适应阈值等技术的协同作用，可显著降低退避率并减少幻觉，强调了标准化度量和自适应校准的必要性。

Comments 10 pages, 4 figures

Rescuing the Unpoisoned: Efficient Defense against Knowledge Corruption Attacks on RAG Systems

Minseok Kim, Hankook Lee, Hyungjoon Koo

机构 * Sungkyunkwan University（成均馆大学） 纠错

专题命中 检索器与排序 ：RAG(title,abstract)；retrieval-augmented generation(abstract)；retriever(abstract)；分类 cs.IR、cs.AI

Comments 15 pages, 7 figures, 10 tables. To appear in the Proceedings of the 2025 Annual Computer Security Applications Conference (ACSAC)

A Comparison of Independent and Joint Fine-tuning Strategies for Retrieval-Augmented Generation

Neal Gregory Lawton, Alfy Samuel, Anoop Kumar, Daben Liu

机构 * CapitalOne 纠错

专题命中 检索器与排序 ：retrieval-augmented generation(title,abstract)；retrieval augmented generation(abstract)；RAG(abstract)；分类 cs.CL、cs.AI

SQuAI: Scientific Question-Answering with Multi-Agent Retrieval-Augmented Generation

Ines Besrour, Jingbo He, Tobias Schreieder, Michael Färber

机构 * TU Dresden（德累斯顿理工大学） 纠错

专题命中 检索器与排序 ：retrieval-augmented generation(title,abstract)；RAG(abstract)；dense retrieval(abstract)；分类 cs.IR、cs.CL

Comments Accepted at CIKM 2025

Reliable Decision Making via Calibration Oriented Retrieval Augmented Generation

Chaeyun Jang, Deukhwan Cho, Seanie Lee, Hyungi Lee, Juho Lee

机构 * KAIST（韩国科学技术院） ； Kookmin University（韩国釜山大学） 纠错

专题命中 检索器与排序 ：retrieval augmented generation(title,abstract)；retrieval-augmented generation(abstract)；RAG(abstract)；分类 cs.IR、cs.AI

Comments Accepted by NeurIPS 2025

Towards Reliable Retrieval in RAG Systems for Large Legal Datasets

Markus Reuter, Tobias Lingenberg, Rūta Liepiņa, Francesca Lagioia, Marco Lippi, Giovanni Sartor, Andrea Passerini, Burcu Sayin

机构 * Technical University of Darmstadt（德意志联邦共和国达姆斯塔特技术大学） ； University of Trento（特伦托大学） ； University of Florence（佛罗伦萨大学） ； University of Bologna（博洛尼亚大学） ； European University Institute（欧洲大学研究所） 纠错

专题命中 检索器与排序 ：RAG(title,abstract)；retrieval-augmented generation(abstract)；retriever(abstract)；分类 cs.IR、cs.CL

Comments Accepted for the 7th Natural Legal Language Processing Workshop (NLLP 2025), co-located with EMNLP 2025

Injecting External Knowledge into the Reasoning Process Enhances Retrieval-Augmented Generation

Minghao Tang, Shiyu Ni, Jiafeng Guo, Keping Bi

机构 * State Key Laboratory of AI Safety（人工智能安全国家重点实验室） ； Institute of Computing Technology（计算技术研究所） ； Chinese Academy of Sciences（中国科学院） ； University of Chinese Academy of Sciences（中国科学院大学） 纠错

专题命中 检索器与排序 ：retrieval-augmented generation(title,abstract)；RAG(abstract)；retriever(abstract)；分类 cs.IR、cs.CL

Comments SIGIR-AP 2025

LMAR: Language Model Augmented Retriever for Domain-specific Knowledge Indexing

Yao Zhao, Yantian Ding, Zhiyue Zhang, Dapeng Yao, Yanxun Xu

机构 * Department of Applied Mathematics and Statistics（应用数学与统计学系） 纠错

专题命中 检索器与排序 ：retriever(title,abstract)；retrieval augmented generation(abstract)；RAG(abstract)；分类 cs.IR、cs.AI

Query-Aware Graph Neural Networks for Enhanced Retrieval-Augmented Generation

Vibhor Agrawal, Fay Wang, Rishi Puri

专题命中 检索器与排序 ：retrieval-augmented generation(title,abstract)；RAG(abstract)；dense retrieval(abstract)；分类 cs.IR、cs.AI