RAG / 检索增强生成

"Where is My Troubleshooting Procedure?": Studying the Potential of RAG in Assisting Failure Resolution of Large Cyber-Physical System

我的故障排除流程在哪里？

Maria Teresa Rossi, Leonardo Mariani, Oliviero Riganelli, Giuseppe Filomeno, Danilo Giannone, Paolo Gavazzo

专题命中 检索器与排序 ：RAG(title,abstract)；retrieval augmented generation(abstract)

AI总结 本文研究RAG在帮助操作员快速响应复杂系统故障症状中的作用，通过分析芬坎蒂埃公司的故障排除流程实验，证明RAG能提升故障排除效率，但需在执行前进行验证。

Comments This paper has been accepted for publication in the Software Engineering in Practice track at the 48th International Conference on Software Engineering (ICSE 2026)

Design Space and Implementation of RAG-Based Avatars for Virtual Archaeology

基于RAG的虚拟考古中 avatars 的设计空间与实现

Wilhelm Kerle-Malcharek, Giulio Biondi, Karsten Klein, Ulf Hailer, Steffen Diefenbach, Fabrizio Grosso, Marco Legittimo, Paola Venuti, Carla Binucci, Giuseppe Liotta, Falk Schreiber

专题命中 检索器与排序 ：RAG(title,abstract)；retrieval-augmented generation(abstract)

AI总结 本文探讨了基于RAG的avatrs在虚拟考古中的应用，设计了涵盖应用场景、avatrs个性及输入输出模式的需求空间，并通过虚拟现实环境中的案例研究验证了其在提升数字文化遗产互动性方面的有效性。

PCR: A Prefetch-Enhanced Cache Reuse System for Low-Latency RAG Serving

PCR：一种增强预取的缓存重用系统，用于低延迟RAG服务

Wenfeng Wang, Xiaofeng Hou, Peng Tang, Hengyi Zhou, Jing Wang, Xinkai Wang, Chao Li, Minyi Guo

专题命中 检索器与排序 ：RAG(title,abstract)；retrieval-augmented generation(abstract)

AI总结 PCR通过智能预取和流水线数据传输技术，提升RAG服务中KV缓存重用效率，降低TTFT延迟。

SEAL-Tag: Self-Tag Evidence Aggregation with Probabilistic Circuits for PII-Safe Retrieval-Augmented Generation

SEAL-Tag: 基于概率电路的自标签证据聚合用于PII安全检索增强生成

Jin Xie, Songze Li, Guang Cheng

专题命中 检索器与排序 ：retrieval-augmented generation(title,abstract)；RAG(abstract)

AI总结 SEAL-Tag通过概率电路和验证-路由范式，解决检索增强生成中隐私泄露问题，减少泄露8倍同时保持性能。

Comments 13 pages, 5 figures

RAGTrack: Language-aware RGBT Tracking with Retrieval-Augmented Generation

RAGTrack: 基于检索增强生成的语言感知RGBT跟踪

Hao Li, Yuhao Wang, Wenning Hao, Pingping Zhang, Dong Wang, Huchuan Lu

机构 * College of Command and Control Engineering, Army Engineering University of PLA（中国人民解放军陆军工程大学指挥控制工程学院） ； School of Future Technology, Dalian University of Technology（大连理工大学未来技术学院） ； School of Information and Communication Engineering, Dalian University of Technology（大连理工大学信息与通信工程学院） 纠错

专题命中 检索器与排序 ：retrieval-augmented generation(title,abstract)；RAG(abstract)

AI总结 RAGTrack通过引入语言指导的检索增强生成框架，解决RGBT跟踪中外观变化和模态间隙问题，实现稳健的目标定位。

Comments This work is accepted by CVPR2026. More modifications may be performed

RAG-RUSS: A Retrieval-Augmented Robotic Ultrasound for Autonomous Carotid Examination

RAG-RUSS：一种增强检索的机器人超声用于自主颈动脉检查

Dianye Huang, Ziping Cong, Nassir Navab, Zhongliang Jiang

机构 * Computer-Aided Medical Procedures and Augmented Reality (CAMP), Technical University of Munich (TUM), Germany（计算机辅助医学程序与增强现实（CAMP），慕尼黑技术大学（TUM），德国） ； Munich Center for Machine Learning (MCML), Germany（慕尼黑机器学习中心（MCML），德国） 纠错

专题命中 检索器与排序 ：RAG(title,abstract)；retrieval-augmented generation(abstract)

AI总结 RAG-RUSS通过可解释框架实现自主颈动脉检查，结合检索增强生成提升泛化能力，减少对大规模数据的依赖。

Comments Accepted by ICRA

Zero-Shot Robotic Manipulation via 3D Gaussian Splatting-Enhanced Multimodal Retrieval-Augmented Generation

通过3D高斯点云增强的多模态检索增强生成实现零样本机器人操作

Zilong Xie, Jingyu Gong, Xin Tan, Zhizhong Zhang, Yuan Xie

专题命中 检索器与排序 ：retrieval-augmented generation(title,abstract)；hybrid retrieval(abstract)

AI总结 本文提出RobMRAG框架，通过3D高斯点云增强多模态检索增强生成，提升零样本机器人操作的泛化能力和可解释性。

Comments 9 pages, 5 figures

NTLRAG: Narrative Topic Labels derived with Retrieval Augmented Generation

NTLRAG: 通过检索增强生成技术获取叙述性主题标签

Lisa Grobelscheg, Ema Kahr, Mark Strembeck

专题命中 检索器与排序 ：retrieval augmented generation(title,abstract)；RAG(abstract)

AI总结 本文提出NTLRAG框架，通过检索增强生成技术生成语义精确且易于理解的叙述性主题标签，提升主题建模的可解释性和实用性。

Pocket RAG: On-Device RAG for First Aid Guidance in Offline Mobile Environment

口袋RAG：面向离线移动环境的设备端RAG用于急救指导

Dong Ho Kang, Hyunjoon Lee, Hyeonjeong Cha, Minkyu Choi, Sungsoo Lim

专题命中 检索器与排序 ：RAG(title,abstract)；retrieval-augmented generation(abstract)

AI总结 本研究提出了一种轻量级移动RAG系统，用于在无网络环境下提供可靠的急救指导，实现了高准确率和快速响应。

Confundo: Learning to Generate Robust Poison for Practical RAG Systems

Confundo: 学习生成稳健的毒药以应对实际RAG系统

Haoyang Hu, Zhejun Jiang, Yueming Lyu, Junyuan Zhang, Yi Liu, Ka-Ho Chow

机构 * The University of Hong Kong（香港大学） ； Nanjing University（南京大学） ； City University of Hong Kong（香港城市大学） 纠错

专题命中 检索器与排序 ：RAG(title,abstract)；retrieval-augmented generation(abstract)

AI总结 Confundo是一种学习生成毒药的框架，通过微调大型语言模型以提高RAG系统的鲁棒性和隐蔽性，有效应对实际系统中的安全威胁。

User-Centric Phishing Detection: A RAG and LLM-Based Approach

以用户为中心的钓鱼检测：一种基于RAG和LLM的方法

Abrar Hamed Al Barwani, Abdelaziz Amara Korba, Raja Waseem Anwar

专题命中 检索器与排序 ：RAG(title,abstract)；retrieval-augmented generation(abstract)

AI总结 本文提出基于RAG和LLM的个性化钓鱼检测方法，通过整合用户历史邮件和实时威胁情报，提升邮件检测的准确性和效率。

CODE: A Contradiction-Based Deliberation Extension Framework for Overthinking Attacks on Retrieval-Augmented Generation

CODE：一种基于矛盾的 deliberation 延伸框架，用于对抗检索增强生成中的过度思考攻击

Xiaolei Zhang, Xiaojun Jia, Liquan Chen, Songze Li

专题命中 检索器与排序 ：retrieval-augmented generation(title,abstract)；RAG(abstract)

AI总结 本文提出 CODE 框架，通过构造污染样本引发 RAG 系统的过度思考攻击，导致推理标记消耗激增，同时不影响任务性能。

Comments 12 pages with 7 figures

Utilizing Metadata for Better Retrieval-Augmented Generation

利用元数据提升检索增强生成

Raquib Bin Yousuf, Shengzhe Xu, Mandar Sharma, Andrew Neeser, Chris Latimer, Naren Ramakrishnan

机构 * Virginia Tech（弗吉尼亚理工大学） 纠错

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

AI总结 本文提出元数据感知的检索策略，通过融合元数据与内容提升检索增强生成的效果，实验表明统一嵌入优于纯文本基线。

Comments The 48th European Conference on Information Retrieval (ECIR 2026)

Evidence-Grounded Multi-Agent Planning Support for Urban Carbon Governance via RAG

基于证据的多智能体规划支持用于城市碳治理的RAG

Yuyan Huang, Haoran Li, Yifan Lu, Ruolin Wu, Siqian Chen, Chao Liu

专题命中 检索器与排序 ：RAG(title,abstract)；retrieval-augmented generation(abstract)

AI总结 本文提出基于RAG的多智能体规划支持系统，用于城市碳治理，通过整合异质证据提升规划效率与准确性。

PerCache: Predictive Hierarchical Cache for RAG Applications on Mobile Devices

PerCache：面向移动设备的预测性分层缓存用于检索增强生成应用

Kaiwei Liu, Liekang Zeng, Lilin Xu, Bufang Yang, Zhenyu Yan

专题命中 检索器与排序 ：RAG(title,abstract)；retrieval-augmented generation(abstract)

AI总结 PerCache通过预测性分层缓存减少移动RAG应用的端到端延迟，实现34.4%的延迟降低和动态资源下的最优性能。

Cross-Document Topic-Aligned Chunking for Retrieval-Augmented Generation

跨文档主题对齐的分块技术用于检索增强生成

Mile Stankovic

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

AI总结 本文提出跨文档主题对齐分块技术，通过语料层面的知识重建提升检索增强生成系统的忠实度和信息密度，实验显示其在多跳推理和法律文本任务中均取得显著性能提升。

ChatIoT: Large Language Model-based Security Assistant for Internet of Things with Retrieval-Augmented Generation

ChatIoT: 基于大语言模型的物联网安全助手与检索增强生成

Ye Dong, Yan Lin Aung, Sudipta Chattopadhyay, Jianying Zhou

专题命中 检索器与排序 ：retrieval-augmented generation(title,abstract)；RAG(abstract)

AI总结 ChatIoT是一种基于大语言模型的物联网安全助手，通过检索增强生成技术整合安全信息，提升用户在物联网安全实践中的指导与响应能力。

Comments preprint, under revision, 19 pages, 13 figures, 8 tables

Journal ref ACNS 2026

MaP-AVR: A Meta-Action Planner for Agents Leveraging Vision Language Models and Retrieval-Augmented Generation

MaP-AVR: 一种利用视觉语言模型和检索增强生成的元动作规划器

Zhenglong Guo, Yiming Zhao, Feng Jiang, Heng Jin, Zongbao Feng, Jianbin Zhou, Siyuan Xu

机构 * Li Auto 纠错

专题命中 检索器与排序 ：retrieval-augmented generation(title,abstract)；RAG(abstract)

AI总结 MaP-AVR通过元动作规划和检索增强生成技术，提升机器人在复杂环境中的任务规划能力。

Comments 8 pages, 10 figures, This work was completed in December 2024

Retrieval-Augmented Generation in Biomedicine: A Survey of Technologies, Datasets, and Clinical Applications

生物医学中的检索增强生成：技术、数据集和临床应用的综述

Jiawei He, Boya Zhang, Hossein Rouhizadeh, Yingjian Chen, Rui Yang, Jin Lu, Xudong Chen, Nan Liu, Douglas Teodoro

专题命中 检索器与排序 ：retrieval-augmented generation(title,abstract)；RAG(abstract)

AI总结 本文综述了生物医学中检索增强生成技术的发展，探讨了其在临床应用中的挑战与未来发展方向。

Comments 49 pages

A Comparative Analysis of Retrieval-Augmented Generation Techniques for Bengali Standard-to-Dialect Machine Translation Using LLMs

基于LLMs的孟加拉语标准语到方言机器翻译中检索增强生成技术的比较分析

K. M. Jubair Sami, Dipto Sumit, Ariyan Hossain, Farig Sadeque

机构 * Department of Computer Science and Engineering（计算机科学与工程系） ； BRAC University（BRAC大学） 纠错

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

AI总结 本文提出并比较了两种RAG管道，用于孟加拉语标准语到方言的机器翻译，展示了句子对管道在低资源环境下优于转录管道的性能，且小型模型可超越大模型。

Comments Accepted to the Second Workshop on Bangla Language Processing (BLP) at IJCNLP-AACL 2025. 14 pages, 9 figures, 6 tables

OpenFOAMGPT: a RAG-Augmented LLM Agent for OpenFOAM-Based Computational Fluid Dynamics

OpenFOAMGPT：一种基于检索增强生成的LLM代理，用于基于OpenFOAM的计算流体力学

Sandeep Pandey, Ran Xu, Wenkang Wang, Xu Chu

专题命中 检索器与排序 ：RAG(title,abstract)；retrieval-augmented generation(abstract)

AI总结 OpenFOAMGPT是一种基于检索增强生成的LLM代理，用于优化OpenFOAM的CFD模拟，通过高效处理复杂任务提升工程应用效率。

RAG-Empowered LLM-Driven Dynamic Radio Resource Management in Open 6G RAN

基于RAG的LLM驱动的开放6G RAN动态无线电资源管理

Onur Salan, Burak Çırağ, Onur Sever, İbrahim Hökelek, Ali Görçin, Hakan Ali Çırpan

专题命中 检索器与排序 ：RAG(title,abstract)；retrieval-augmented generation(abstract)

AI总结 本文提出基于RAG的LLM驱动的O-RAN动态资源管理框架，通过双代理机制实现网络切片的自适应控制，提升计算效率和SLA合规性。

Comments Submitted to possible IEEE conferences

5G Network Automation Using Local Large Language Models and Retrieval-Augmented Generation

利用本地大语言模型和检索增强生成实现5G网络自动化

Ahmadreza Majlesara, Ali Majlesi, Ali Mamaghani, Alireza Shokrani, Babak Hossein Khalaj

专题命中 检索器与排序 ：retrieval-augmented generation(title)；retrieval augmented generation(abstract)；RAG(abstract)

AI总结 本研究通过本地部署大语言模型与检索增强生成技术，实现5G网络自动化管理，提升隐私保护与配置效率。

Comments 4 pages, 1 figure, demonstrated on 6G Summit Abu Dhabi

Fine-Grained Privacy Extraction from Retrieval-Augmented Generation Systems via Knowledge Asymmetry Exploitation

通过知识不对称利用从检索增强生成系统中进行细粒度隐私提取

Yufei Chen, Yao Wang, Haibin Zhang, Tao Gu

专题命中 检索器与排序 ：retrieval-augmented generation(title,abstract)；RAG(abstract)

AI总结 本文提出一种利用知识不对称性从RAG系统中细粒度提取隐私信息的攻击框架，通过自适应提示和神经网络训练实现高隐私提取率。

ReVul-CoT: Towards Effective Software Vulnerability Assessment with Retrieval-Augmented Generation and Chain-of-Thought Prompting

ReVul-CoT：通过检索增强生成与链式推理提示实现有效的软件漏洞评估

Zhijie Chen, Xiang Chen, Ziming Li, Jiacheng Xue, Chaoyang Gao

专题命中 检索器与排序 ：retrieval-augmented generation(title,abstract)；RAG(abstract)

AI总结 ReVul-CoT通过整合检索增强生成与链式推理提示，提升软件漏洞评估的准确性和效率。

CoEdge-RAG: Optimizing Hierarchical Scheduling for Retrieval-Augmented LLMs in Collaborative Edge Computing

Guihang Hong, Tao Ouyang, Kongyange Zhao, Zhi Zhou, Xu Chen

专题命中 检索器与排序 ：RAG(title,abstract)；retrieval-augmented generation(abstract)

Comments Accepted by RTSS 2025 (Real-Time Systems Symposium, 2025)

Repairing Responsive Layout Failures Using Retrieval Augmented Generation

Tasmia Zerin, Moumita Asad, B. M. Mainul Hossain, Kazi Sakib

专题命中 检索器与排序 ：retrieval augmented generation(title)；retrieval-augmented generation(abstract)；RAG(abstract)

Comments Accepted at the 41st IEEE International Conference on Software Maintenance and Evolution 2025 (ICSME'25)

A Memory-Efficient Retrieval Architecture for RAG-Enabled Wearable Medical LLMs-Agents

Zhipeng Liao, Kunming Shao, Jiangnan Yu, Liang Zhao, Tim Kwang-Ting Cheng, Chi-Ying Tsui, Jie Yang, Mohamad Sawan

专题命中 检索器与排序 ：RAG(title,abstract)；retrieval-augmented generation(abstract)

Comments Accepted by BioCAS2025

Data Auctions for Retrieval Augmented Generation

Minbiao Han, Seyed A. Esmaeili, Michael Albert, Haifeng Xu

专题命中 检索器与排序 ：retrieval augmented generation(title,abstract)；RAG(abstract)

FidelityGPT: Correcting Decompilation Distortions with Retrieval Augmented Generation

Zhiping Zhou, Xiaohong Li, Ruitao Feng, Yao Zhang, Yuekang Li, Wenbu Feng, Yunqian Wang, Yuqing Li

专题命中 检索器与排序 ：retrieval augmented generation(title)；retrieval-augmented generation(abstract)；RAG(abstract)