RAG / 检索增强生成

ArtRAG: Retrieval-Augmented Generation with Structured Context for Visual Art Understanding

Shuai Wang, Ivona Najdenkoska, Hongyi Zhu, Stevan Rudinac, Monika Kackovic, Nachoem Wijnberg, Marcel Worring

机构 * University of Amsterdam（阿姆斯特丹大学） ； College of Business（商学院） ； Economics, University of Johannesburg（经济系，约翰内斯堡大学） 纠错

专题命中 图谱与结构化RAG ：retrieval-augmented generation(title,abstract)；RAG(abstract)；retriever(abstract)；分类 cs.AI

Lightweight Relevance Grader in RAG

Taehee Jeong

机构 * San Jose State University（萨金特州立大学） 纠错

专题命中 图谱与结构化RAG ：RAG(title,abstract)；retrieval-augmented generation(abstract)；vector search(abstract)；分类 cs.AI

A RAG-Based Institutional Assistant

Gustavo Kuratomi, Paulo Pirozelli, Fabio G. Cozman, Sarajane M. Peres

专题命中 图谱与结构化RAG ：RAG(title,abstract)；retrieval-augmented generation(abstract)；retriever(abstract)；分类 cs.CL

KGCaRe: Explainable Complex Conditional Question Answering using Automatic Knowledge Graph Construction and Context Retrieval with LLMs

KGCaRe：结合自动知识图谱构建与大语言模型上下文检索的可解释复杂条件问答方法

Ghanshyam Verma, Simanta Sarkar, Devishree Pillai, Hotaka Shiokawa, Yourong Xu, Fiona Veazey, Peter Hubbert, Hui Su, Paul Buitelaar

专题命中 图谱与结构化RAG ：RAG(summary_cn,abstract)；retrieval-augmented generation(abstract)；分类 cs.CL、cs.AI

AI总结 该研究针对LLM与RAG处理复杂条件问答时在特定领域表现不佳的问题，提出KGCaRe混合方法，结合KG构建、迭代图遍历与神经检索，在多类LLM及数据集上优于现有基线。

Structured Memory for Edge Language Models: Persistent Context and Corpus Retrieval via O(1) SSM State Injection

边缘语言模型的结构化记忆：通过O(1) SSM状态注入实现持久上下文与语料库检索

Anusha Madan Gopal, Aras Pirbadian, Kristofor D. Carlson, M Anthony Lewis, Jonathan Tapson

机构 * BrainChip Inc.（BrainChip公司） 纠错

专题命中 图谱与结构化RAG ：RAG(summary_cn,abstract)；retrieval-augmented generation(abstract)；分类 cs.IR、cs.AI

AI总结 该研究针对边缘语言模型提出PRECOG与SMC机制，将SSM预填充成本压缩至O(1)，在1.2B参数的TENNs-LLM上实现约4500倍预填充加速，达到与RAG相当的答案质量。

MedJudgeRAG: Option-Wise Evidence Judgment with Dynamic Knowledge Graphs for Medical MCQA

MedJudgeRAG：用于医学多项选择题问答的基于动态知识图谱的选项级证据判断

Seongwon Seo, Seung Hwan Cho, Young-Min Kim

专题命中 图谱与结构化RAG ：RAG(summary_cn,abstract)；retrieval-augmented generation(abstract)；分类 cs.IR、cs.AI

AI总结 针对医学MCQA中普通RAG降低LM性能的问题，提出MedJudgeRAG框架，将检索文档表示为动态知识图谱，为选项判断证据裁决并确定知识利用策略，经监督微调训练，实验证明其性能优于基线，且动态知识图谱在训练时作用更有效。

Comments 16 pages, 2 figures, Accepted at The Workshop on Graph Foundation Models at the 43 rd International Conference on Machine Learning (ICML 2026)

CUICurate: A GraphRAG-based Framework for Automated Clinical Concept Curation for NLP applications

CUICurate：一种基于图RAG的框架，用于自然语言处理应用中的临床概念整理

Victoria Blake, Jamie Novak, Mathew Miller, Sze-yuan Ooi, Blanca Gallego

机构 * Centre for Big Data Research in Health, University of New South Wales（健康大数据研究中心，新南威尔士大学） ； Eastern Heart Clinic, Prince of Wales Hospital（东部心脏诊所，王室医院） ； NSW Ambulance Aeromedical Operations, Bankstown Helicopter Base（新南威尔士州急救航空医疗运作，班克stown直升机基地） ； Department of Anaesthesia, Saint George Hospital（麻醉科，圣乔治医院） ； Department of Cardiology, Prince of Wales Hospital（心内科，王室医院） ； School of Clinical Medicine, University of New South Wales（临床医学学院，新南威尔士大学） 纠错

专题命中 图谱与结构化RAG ：RAG(title_cn,summary_cn)；retrieval-augmented generation(abstract)；分类 cs.CL、cs.AI

AI总结 本文提出CUICurate框架，利用图RAG技术自动整理UMLS概念集，通过知识图谱和大语言模型实现高效准确的概念分类与过滤，提升临床NLP任务的实用性。

Comments 6 figures, 4 tables

Journal ref Journal of the American Medical Informatics Association, 2026;, ocag110

Query-Aware Spreading Activation for Multi-Hop Retrieval over Knowledge Graphs

查询感知的扩散激活用于知识图谱上的多跳检索

Illia Makarov, Mykola Glybovets

专题命中 图谱与结构化RAG ：RAG(summary_cn,abstract)；retrieval-augmented generation(abstract)；分类 cs.IR、cs.AI

AI总结 提出一种查询感知的扩散激活方法，通过单步语义门实现查询感知遍历，并用单一Cypher查询完成整个检索过程，在MuSiQue上匹配QAFD-RAG并超越HippoRAG，同时降低延迟。

Comments Accepted for publication in Cybernetics and Systems Analysis (Springer). Not yet published

STREAM: A Data-Centric Framework for Mining High-Value Task-Oriented Dialogues from Streaming Media

STREAM：一个以数据为中心的框架，用于从流媒体中挖掘高价值任务导向对话

Liang Xue, Haoyu Liu, Cheng Wang, Pengyu Chen, Haozhuo Zheng, Yang Liu

机构 * Harbin Institute of Technology（哈尔滨工业大学） ； Byering Technology（伯英技术） 纠错

专题命中 图谱与结构化RAG ：RAG(summary_cn,abstract)；retrieval-augmented generation(abstract)；分类 cs.CL、cs.AI

AI总结 提出STREAM框架，利用流媒体数据合成大规模多领域任务导向对话数据集StreamDial，通过角色构建和对话蓝图结合RAG生成高质量对话，解决数据稀缺问题。

SocialWise: LLM-Agentic Conversation Therapy for Individuals with Autism Spectrum Disorder to Enhance Communication Skills

SocialWise: 用于自闭症谱系障碍个体的LLM代理对话疗法以增强沟通能力

Albert Tang

机构 * Albert Tang（阿尔伯特·坦） 纠错

专题命中 图谱与结构化RAG ：RAG(summary_cn,abstract)；retrieval augmented generation(abstract)；分类 cs.IR、cs.AI

AI总结 SocialWise通过浏览器应用结合LLM对话代理和治疗性检索增强生成（RAG）知识库，为自闭症谱系障碍个体提供低成本、高效的沟通技能培训。

Is External Database Protection Static in Retrieval-Augmented Generation? Rethinking Privacy Preservation under Dynamic Queries

检索增强生成中的外部数据库保护是静态的吗？重新思考动态查询下的隐私保护

Gang Zhang, Mingyu Tian, Xukun Luan, Yuanchi Ma, Jinyan Liu

专题命中 图谱与结构化RAG ：retrieval-augmented generation(title,abstract)；RAG(abstract,abstract_cn)

AI总结 研究检索增强生成中外部数据库隐私保护问题，提出Prompt-Aware动态分层差分隐私框架PA-HDP，通过风险分层评估和自适应保护，在减少隐私泄露的同时保持高检索质量，实现更好的隐私-效用权衡。

Exploring Structural Complexity in Normative RAG with Graph-based approaches: A case study on the ETSI Standards

探索规范性RAG中的结构性复杂性：基于图的方法的案例研究——以ETSI标准为例

Aiman Al Masoud, Marco Arazzi, Simone Germani, Antonino Nocera

机构 * Department of Electrical, Computer and Biomedical Engineering, University of Pavia（帕维亚大学电气、计算机与生物医学工程系） ； Comitato Elettrotecnico Italiano (CEI)（意大利电工委员会（CEI）） 纠错

专题命中 图谱与结构化RAG ：RAG(title,abstract)；retrieval-augmented generation(abstract)；分类 cs.IR、cs.CL、cs.AI

AI总结 本文探讨了基于图的方法在处理规范性文档中的有效性，通过ETSI标准案例研究，提出了一种专为规范性文档设计的RAG方法，以提升检索性能。

Comments 6 pages, 7 figures

Domain-Partitioned Hybrid RAG for Legal Reasoning: Toward Modular and Explainable Legal AI for India

领域划分混合RAG用于法律推理：迈向模块化和可解释的印度法律AI

Rakshita Goel, S Pranav Kumar, Anmol Agrawal, Divyan Poddar, Pratik Narang, Dhruv Kumar

机构 * Birla Institute of Technology and Science, Pilani（巴尔·印度技术科学学院，比兰地） 纠错

专题命中 图谱与结构化RAG ：RAG(title,abstract)；retrieval augmented generation(abstract)；分类 cs.IR、cs.CL、cs.AI

AI总结 本研究提出了一种针对印度法律研究的领域划分混合RAG与知识图谱架构，通过模块化设计和结构化关系推理提升法律AI的可解释性和推理能力。

TabRAG: Improving Tabular Document Question Answering for Retrieval Augmented Generation via Structured Representations

TabRAG：通过结构化表示改进表格文档问答以增强检索增强生成

Jacob Si, Mike Qu, Michelle Lee, Marek Rei, Yingzhen Li

专题命中 图谱与结构化RAG ：retrieval augmented generation(title)；retrieval-augmented generation(abstract)；RAG(abstract)；分类 cs.IR、cs.CL、cs.AI

AI总结 TabRAG通过结构化表示改进表格文档问答，采用布局分割和视觉语言模型解析，提升表格问答性能。

Comments NeurIPS 2025 AI4Tab

FROAV: A Framework for RAG Observation and Agent Verification -- Lowering the Barrier to LLM Agent Research

FROAV：一个用于RAG观察和代理验证的框架——降低LLM代理研究的门槛

Tzu-Hsuan Lin, Chih-Hsuan Kao

机构 * AetheTech 纠错

专题命中 图谱与结构化RAG ：RAG(title,abstract)；retrieval-augmented generation(abstract)；knowledge retrieval(abstract)

AI总结 FROAV提供了一个开源平台，通过可视化工作流编排、评估框架和Python集成，降低LLM代理研究的门槛，使研究人员能更专注于算法创新。

Comments 8 pages, 1 figure, 3 tables

Optimizing Agricultural Research: A RAG-Based Approach to Mycorrhizal Fungi Information

Mohammad Usman Altam, Md Imtiaz Habib, Tuan Hoang

机构 * Data Science and Artificial Intelligence Université Côte d’Azur（数据科学与人工智能 巴黎-萨克雷大学） 纠错

专题命中 图谱与结构化RAG ：RAG(title,abstract)；retrieval-augmented generation(abstract)；分类 cs.IR、cs.CL、cs.AI

Comments 10 pages, 4 figures, 1 table

NyayaRAG: Realistic Legal Judgment Prediction with RAG under the Indian Common Law System

Shubham Kumar Nigam, Balaramamahanthi Deepak Patnaik, Shivam Mishra, Ajay Varghese Thomas, Noel Shallum, Kripabandhu Ghosh, Arnab Bhattacharya

机构 * Indian Institute of Technology Kanpur（印度理工学院坎浦尔分校） ； SRM Institute of Science and Technology（SRM科学与技术学院） ； Symbiosis Law School Pune（苏比斯法学院浦那分校） ； IISER Kolkata（印度科学研究所库勒卡布尔分校） ； University of Birmingham, Dubai, United Arab Emirates（布里斯托尔大学迪拜分校） 纠错

专题命中 图谱与结构化RAG ：RAG(title,abstract)；retrieval-augmented generation(abstract)；分类 cs.IR、cs.CL、cs.AI

Comments Paper accepted in the AACL-IJCNLP 2025 conference

SemRAG: Semantic Knowledge-Augmented RAG for Improved Question-Answering

Kezhen Zhong, Basem Suleiman, Abdelkarim Erradi, Shijing Chen

机构 * University of Sydney（悉尼大学） ； University of New South Wales（新南威尔士大学） ； Qatar University（卡塔尔大学） 纠错

专题命中 图谱与结构化RAG ：RAG(title,abstract)；retrieval augmented generation(abstract)；分类 cs.IR、cs.CL、cs.AI

Comments 16 pages, 12 figures

CLI-RAG: A Retrieval-Augmented Framework for Clinically Structured and Context Aware Text Generation with LLMs

Garapati Keerthana, Manik Gupta

机构 * Birla Institute of Technology and Science, Pilani, Hyderabad, India（比拉理工学院和科学学院，海得拉巴，印度） 纠错

专题命中 图谱与结构化RAG ：RAG(title,abstract)；retrieval-augmented generation(abstract)；分类 cs.IR、cs.CL、cs.AI

Comments 12 pages, 4 figures

MedRAG: Enhancing Retrieval-augmented Generation with Knowledge Graph-Elicited Reasoning for Healthcare Copilot

Xuejiao Zhao, Siyan Liu, Su-Yin Yang, Chunyan Miao

机构 * LILY Research Centre（LILY研究机构） ； Nanyang Technological University（南洋理工大学） ； Tan Tock Seng Hospital（坦托克森医院） ； Woodlands Health（伍尔德斯健康） 纠错

专题命中 图谱与结构化RAG ：retrieval-augmented generation(title,abstract)；RAG(abstract)；分类 cs.IR、cs.CL、cs.AI

LlamaRec-LKG-RAG: A Single-Pass, Learnable Knowledge Graph-RAG Framework for LLM-Based Ranking

Vahid Azizi, Fatemeh Koochaki

专题命中 图谱与结构化RAG ：RAG(title,abstract)；retrieval-augmented generation(abstract)；分类 cs.IR、cs.CL、cs.AI

SimGRAG: Leveraging Similar Subgraphs for Knowledge Graphs Driven Retrieval-Augmented Generation

Yuzheng Cai, Zhenyue Guo, Yiwen Pei, Wanrui Bian, Weiguo Zheng

机构 * Fudan University（复旦大学） 纠错

专题命中 图谱与结构化RAG ：retrieval-augmented generation(title,abstract)；RAG(abstract)；分类 cs.IR、cs.CL、cs.AI

Comments accepted by ACL 2025 (Findings)

Knowledge Graph-extended Retrieval Augmented Generation for Question Answering

Jasper Linders, Jakub M. Tomczak

专题命中 图谱与结构化RAG ：retrieval augmented generation(title,abstract)；RAG(abstract)；knowledge retrieval(abstract)

FG-RAG: Enhancing Query-Focused Summarization with Context-Aware Fine-Grained Graph RAG

Yubin Hong, Chaofan Li, Jingyi Zhang, Yingxia Shao

专题命中 图谱与结构化RAG ：RAG(title,abstract)；retrieval-augmented generation(abstract)；分类 cs.IR、cs.CL、cs.AI

ER-RAG: Enhance RAG with ER-Based Unified Modeling of Heterogeneous Data Sources

Yikuan Xia, Jiazun Chen, Yirui Zhan, Suifeng Zhao, Weipeng Jiang, Chaorui Zhang, Wei Han, Bo Bai, Jun Gao

专题命中 图谱与结构化RAG ：RAG(title,abstract)；retrieval-augmented generation(abstract)；分类 cs.IR、cs.CL、cs.AI

Balancing Content Size in RAG-Text2SQL System

Prakhar Gurawa, Anjali Dharmik

专题命中 图谱与结构化RAG ：RAG(title,abstract)；retrieval-augmented generation(abstract)；分类 cs.IR、cs.AI、cs.DB

MES-RAG: Bringing Multi-modal, Entity-Storage, and Secure Enhancements to RAG

Pingyu Wu, Daiheng Gao, Jing Tang, Huimin Chen, Wenbo Zhou, Weiming Zhang, Nenghai Yu

专题命中 图谱与结构化RAG ：RAG(title,abstract)；retrieval-augmented generation(abstract)；分类 cs.IR、cs.CL、cs.AI

Comments NAACL 2025

RAG-KG-IL: A Multi-Agent Hybrid Framework for Reducing Hallucinations and Enhancing LLM Reasoning through RAG and Incremental Knowledge Graph Learning Integration

Hong Qing Yu, Frank McQuade

专题命中 图谱与结构化RAG ：RAG(title,abstract)；retrieval-augmented generation(abstract)；分类 cs.IR、cs.CL、cs.AI

From Local to Global: A Graph RAG Approach to Query-Focused Summarization

Darren Edge, Ha Trinh, Newman Cheng, Joshua Bradley, Alex Chao, Apurva Mody, Steven Truitt, Dasha Metropolitansky, Robert Osazuwa Ness, Jonathan Larson

专题命中 图谱与结构化RAG ：RAG(title,abstract)；retrieval-augmented generation(abstract)；分类 cs.IR、cs.CL、cs.AI

Knowledge Management for Automobile Failure Analysis Using Graph RAG

Yuta Ojima, Hiroki Sakaji, Tadashi Nakamura, Hiroaki Sakata, Kazuya Seki, Yuu Teshigawara, Masami Yamashita, Kazuhiro Aoyama

专题命中 图谱与结构化RAG ：RAG(title,abstract)；retrieval-augmented generation(abstract)；分类 cs.IR、cs.CL、cs.AI

Comments 7 pages, 6 figures, to be published in 2024 IEEE International Conference on Bid Data (BigData)