RAG / 检索增强生成

OrchANN: Hierarchical Orchestration for Skewed Out-of-Core Vector Search

OrchANN：用于倾斜的核外向量搜索的分层编排

Lizheng Chen, Pinhuan Wang, Shaonan Ma, Jie Zhang, Qing Wang, Zhengyi Yang, Heng Zhang, Mingxing Zhang, Fan Yang, Guihai Chen, Chen Tian, Chengying Huan

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

AI总结 研究在十亿规模下近似最近邻搜索的核外问题，提出OrchANN引擎，通过编排查询路由等，在严格内存限制下存储簇并利用图抽象，提升了QPS并降低延迟，比现有基线在准确性和效率平衡上表现更优。

Comments Substantially revised version; updated title, author order, and abstract

MCGI: Manifold-Consistent Graph Indexing for Billion-Scale Disk-Resident Vector Search

MCGI：用于十亿级磁盘驻留向量搜索的流形一致图索引

Dongfang Zhao

机构 * Tacoma School of Engineering and Technology（塔科马工程与技术学院） ； Paul G. Allen School of Computer Science & Engineering（保罗·G·艾伦计算机科学与工程学院） ； University of Washington（华盛顿大学） 纠错

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

AI总结 本文提出MCGI，一种基于流形一致性的图索引方法，通过动态调整搜索策略以适应数据内在几何结构，提升高维空间下的近邻搜索性能。

Semantic Recall for Vector Search

向量搜索的语义召回

Leonardo Kuffo, Ioanna Tsakalidou, Roberta De Viti, Albert Angel, Jiří Iša, Rastislav Lenhardt

机构 * CWI（荷兰阿姆斯特丹CWI） ； EPFL（瑞士洛桑联邦理工学院） ； Google（谷歌） 纠错

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

AI总结 本文提出语义召回指标，用于评估近邻搜索算法的质量，考虑仅在理论上可通过精确最近邻搜索检索到的语义相关对象。通过实验证明，该指标在查询结果中相关对象较少时特别有效，并引入了容忍召回作为近似指标。

Comments Proceedings of the 49th International ACM SIGIR Conference on Research and Development in Information Retrieval

Efficient Vector Search in the Wild: One Model for Multi-K Queries

野外高效的向量搜索：一个支持多K查询的模型

Yifan Peng, Jiafei Fan, Xingda Wei, Sijie Shen, Rong Chen, Jianning Wang, Xiaojian Luo, Wenyuan Yu, Jingren Zhou, Haibo Chen

机构 * Shanghai Jiao Tong University（上海交通大学） ； Boston University（波士顿大学） ； Alibaba Group（阿里巴巴集团） 纠错

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

AI总结 OMEGA是一种支持多K查询的高效向量搜索模型，通过动态细化和统计特性优化，实现高精度、高性能和低预处理成本。

Embedding Retrofitting: Data Engineering for better RAG

嵌入式修补：更好的RAG数据工程

Anantha Sharma

专题命中 向量检索 ：RAG(title)；分类 cs.CL、cs.AI

AI总结 本文提出了一种数据工程框架，通过预处理改善知识图谱质量，从而提升RAG中嵌入式修补的效果，特别是在定量合成问题上表现显著。

Comments This paper was built on an assumption which has been proven incorrect

IndexRAG: Bridging Facts for Cross-Document Reasoning at Index Time

IndexRAG：在索引时间进行跨文档推理的桥梁

Zhenghua Bao, Yi Shi

机构 * Continuum AI 纠错

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

AI总结 IndexRAG通过在索引阶段进行跨文档推理，提升多跳问答的F1得分，无需额外训练，仅需单次检索和一次LLM调用。

Training Sparse Mixture Of Experts Text Embedding Models

Zach Nussbaum, Brandon Duderstadt

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

Cluster with Auctions for Vector Search

通过拍卖进行向量搜索的聚类

Swann Bessa, Pierre Fernandez, Gergely Szilvasy, Matthijs Douze, Hervé Jégou

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

AI总结 研究针对大规模近似最近邻搜索中查询探测函数和数据库分区未分开处理的问题，提出CwA方法，联合学习平衡的数据库分区与神经探测函数，通过交替两步优化搜索性能，扩展后在不同分布下表现出色，提升了吞吐量。

Comments 10 pages, 6 figures. Under review at NeurIPS 2026

More Than Efficiency: Embedding Compression Improves Domain Adaptation in Dense Retrieval

超越效率：嵌入压缩改善密集检索中的领域适应

Chunsheng Zuo, Daniel Khashabi

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

AI总结 针对密集检索中训练与目标领域分布不匹配的问题，提出对查询嵌入进行PCA压缩以保留领域相关特征并丢弃非判别成分，在9个检索器和14个MTEB数据集上验证了该方法能有效提升检索性能。

Comments Oral at SURGeLLM 2026 Workshop at ACL 2026

When Does Mixing Help? Analyzing Query Embedding Interpolation in Multilingual Dense Retrieval

何时混合有帮助？分析多语言稠密检索中的查询嵌入插值

Tongyao Zhu, Chao-Ming Huang, Min-Yen Kan

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

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

AI总结 通过嵌入级插值构造混合查询，系统研究多语言稠密检索对混合语言查询的敏感性，发现最优混合比在多数情况下优于单语言查询，且英语主导性导致不对称性。

Comments ACL 2026 Main (Oral)

Efficient Graph Indexing for Interval-Aware Vector Search

面向区间感知向量搜索的高效图索引

Siyuan Liang, Ziqi Yin, Qi Zhang, Ronghua Li, Guoren Wang, Kaiwen Xue, Daiyin Wang, Xubin Li

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

AI总结 提出统一区间感知相对邻域图（URNG），支持多种区间感知ANN查询语义，并开发实用图索引UG，通过统一剪枝和迭代修复实现高效搜索。

Comments 14 pages, 13 figures. Preprint version

Optimizing SSD-Resident Graph Indexing for High-Throughput Vector Search

优化SSD驻留图索引以实现高吞吐量向量搜索

Weichen Zhao, Yuncheng Lu, Yao Tian, Hao Zhang, Jiehui Li, Minghao Zhao, Yakun Li, Weining Qian

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

AI总结 VeloANN通过局部性感知的数据布局和异步运行时优化，提升SSD驻留图索引的高吞吐量向量搜索性能。

Infinity Search: Approximate Vector Search with Projections on q-Metric Spaces

无限搜索：基于q度量空间的向量搜索与投影

Antonio Pariente, Ignacio Hounie, Santiago Segarra, Alejandro Ribeiro

机构 * Department of Electrical and Systems Engineering, University of Pennsylvania, Philadelphia, PA, USA（宾夕法尼亚大学电气与系统工程系） ； Department of Electrical and Computer Engineering, Rice University, Houston, TX, USA（里士满大学电气与计算机工程系） 纠错

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

AI总结 本文提出基于q度量空间的近似向量搜索方法，通过投影算子将任意不相似函数转换为超度量空间，并利用学习近似以提高搜索效率，实验显示q值增加可提升速度但降低召回率。

Separating Semantic Expansion from Linear Geometry for PubMed-Scale Vector Search

分离语义扩展与线性几何用于PubMed级向量搜索

Rob Koopman

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

AI总结 该研究提出了一种PubMed级向量搜索框架，通过分离语义扩展与线性几何，实现对生物医学文献的高效检索与聚类分析。

Comments 4 pages

Exploring Reasoning-Infused Text Embedding with Large Language Models for Zero-Shot Dense Retrieval

Yuxiang Liu, Tian Wang, Gourab Kundu, Tianyu Cao, Guang Cheng, Zhen Ge, Jianshu Chen, Qingjun Cui, Trishul Chilimbi

机构 * University of Illinois at Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校） ； Amazon（亚马逊） 纠错

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

Comments CIKM 2025

Efficient Vector Search on Disaggregated Memory with d-HNSW

Yi Liu, Fei Fang, Chen Qian

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

Comments To appear in HotStorage 2025

DEG: Efficient Hybrid Vector Search Using the Dynamic Edge Navigation Graph

Ziqi Yin, Jianyang Gao, Pasquale Balsebre, Gao Cong, Cheng Long

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

Comments Accepted by sigmod 2025

SPFresh: Incremental In-Place Update for Billion-Scale Vector Search

Yuming Xu, Hengyu Liang, Jin Li, Shuotao Xu, Qi Chen, Qianxi Zhang, Cheng Li, Ziyue Yang, Fan Yang, Yuqing Yang, Peng Cheng, Mao Yang

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

Comments SOSP 23

EHI: End-to-end Learning of Hierarchical Index for Efficient Dense Retrieval

Ramnath Kumar, Anshul Mittal, Nilesh Gupta, Aditya Kusupati, Inderjit Dhillon, Prateek Jain

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

Panorama: Fast-Track Nearest Neighbors

全景图：快速跟踪最近邻

Vansh Ramani, Alexis Schlomer, Akash Nayar, Sayan Ranu, Jignesh M. Patel, Panagiotis Karras

机构 * Carnegie Mellon University（卡内基梅隆大学） ； IIT Delhi（德里印度理工学院） ； UCPH（乌兹堡大学） ； Indian Institute of Technology Delhi（德里印度理工学院） ； University of Copenhagen（哥本哈根大学） 纠错

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

AI总结 针对高维神经嵌入的近似最近邻搜索，提出PANORAMA技术，利用嵌入固有频谱衰减加速验证，通过PCA压缩信号能量，增量评估候选距离，解决与乘积量化假设冲突问题，在FAISS库中优化，实现加速。

Hakim: Farsi Text Embedding Model

Mehran Sarmadi, Morteza Alikhani, Erfan Zinvandi, Zahra Pourbahman

机构 * MCINEXT ； Sharif University of Technology（谢里夫理工大学） 纠错

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

Granite Embedding R2 Models

Parul Awasthy, Aashka Trivedi, Yulong Li, Meet Doshi, Riyaz Bhat, Vignesh P, Vishwajeet Kumar, Yushu Yang, Bhavani Iyer, Abraham Daniels, Rudra Murthy, Ken Barker, Martin Franz, Madison Lee, Todd Ward, Salim Roukos, David Cox, Luis Lastras, Jaydeep Sen, Radu Florian

机构 * IBM Research AI（IBM人工智能研究院） 纠错

专题命中 向量检索 ：retriever(abstract)；dense retrieval(abstract)；分类 cs.IR、cs.CL

Enhancing Retrieval for ESGLLM via ESG-CID -- A Disclosure Content Index Finetuning Dataset for Mapping GRI and ESRS

Shafiuddin Rehan Ahmed, Ankit Parag Shah, Quan Hung Tran, Vivek Khetan, Sukryool Kang, Ankit Mehta, Yujia Bao, Wei Wei

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

Comments Long paper

Exploring the Meaningfulness of Nearest Neighbor Search in High-Dimensional Space

Zhonghan Chen, Ruiyuan Zhang, Xi Zhao, Xiaojun Cheng, Xiaofang Zhou

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

An FPGA Implementation of Displacement Vector Search for Intra Pattern Copy in JPEG XS

JPEG XS图像压缩中内模式复制的FPGA实现：位移向量搜索

Qiyue Chen, Yao Li, Jie Tao, Song Chen, Li Li, Dong Liu

专题命中 向量检索 ：vector search(title)

AI总结 本文提出了一种高效的FPGA架构，用于JPEG XS中内模式复制的位移向量搜索，以提升实际硬件部署的可行性。

Quantization for Vector Search under Streaming Updates

向量搜索中的量化方法在流式更新下的应用

Ishaq Aden-Ali, Hakan Ferhatosmanoglu, Alexander Greaves-Tunnell, Nina Mishra, Tal Wagner

专题命中 向量检索 ：vector search(title)

AI总结 本文提出了一种在流式更新下动态适应的数据依赖量化方法，通过有限磁盘I/O保持ANN搜索准确性，优于现有基线方法。

Scalable Distributed Vector Search via Accuracy Preserving Index Construction

通过精度保持索引构造实现可扩展的分布式向量搜索

Yuming Xu, Qianxi Zhang, Qi Chen, Baotong Lu, Menghao Li, Philip Adams, Mingqin Li, Zengzhong Li, Jing Liu, Cheng Li, Fan Yang

专题命中 向量检索 ：vector search(title)

AI总结 SPIRE通过平衡分区粒度和精度保持的递归构造，实现了可扩展的分布式向量搜索，显著提升了吞吐量。

Threshold-Protected Searchable Sharing: Privacy Preserving Aggregated-ANN Search for Collaborative RAG

Ruoyang Rykie Guo

专题命中 向量检索 ：RAG(title)

PilotANN: Memory-Bounded GPU Acceleration for Vector Search

Yuntao Gui, Peiqi Yin, Xiao Yan, Chaorui Zhang, Weixi Zhang, James Cheng

专题命中 向量检索 ：vector search(title)

Mapping Similarity Spaces across Embedding Models with Synthetic Query Probing

通过合成查询探测映射嵌入模型间的相似度空间

Marcin Rozmus, Peter van der Putten

机构 * Pegasystems（pegasystems公司） ； Leiden University（莱顿大学） 纠错

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

AI总结 本研究针对嵌入模型间相似度分数不可直接比较的问题，提出合成查询探测方法，通过学习分数分布映射实现跨模型相似度空间对齐，提升阈值可移植性，为嵌入可比性分析提供可扩展框架。

Comments Accepted for 29th International Conference on Discovery Science, October 5-9, 2026, Mainz, Germany