Evaluating the Retrieval Component in LLM-Based Question Answering Systems
专题命中 检索器与排序 ：retrieval-augmented generation(abstract)；RAG(abstract)；retriever(abstract)；分类 cs.IR、cs.CL
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. 检索器与排序 4551 篇
RAR-b: Reasoning as Retrieval Benchmark
专题命中 检索器与排序 ：retrieval-augmented generation(abstract)；RAG(abstract)；retriever(abstract)；分类 cs.IR、cs.CL
Comments v2, small typo fixes
Retrieval Augmented End-to-End Spoken Dialog Models
专题命中 检索器与排序 ：retrieval-augmented generation(abstract)；RAG(abstract)；retriever(abstract)；分类 cs.CL、cs.AI
Journal ref Proc. ICASSP 2024
Can Small Language Models Use What They Retrieve? An Empirical Study of Retrieval Utilization Across Model Scale
小型语言模型能利用它们检索到的信息吗？不同模型规模下的检索利用经验研究
专题命中 检索器与排序 ：RAG(abstract,comments)；retrieval augmented generation(abstract)；dense retrieval(abstract)；分类 cs.CL
AI总结 研究发现小型语言模型在检索信息时存在利用瓶颈，无法有效提取答案，且上下文干扰导致错误生成，表明RAG在小模型中效果有限。
Comments 10 pages, 5 figures, planning to submit to arr march 2026. Code and evaluation data: https://anonymous.4open.science/r/rag-utilization-study-C67F . Earlier draft preprint available on Zenodo: https://zenodo.org/records/18870116 (note: this arXiv submission is an updated draft)
M$^3$Prune: Hierarchical Collaborative Pruning for Efficient Multi-Modal Multi-Agent Retrieval-Augmented Generation
M³Prune：面向高效多模态多智能体检索增强生成的分层协同剪枝
专题命中 检索器与排序 ：retrieval-augmented generation(title,abstract)
AI总结 M³Prune是优化多模态多智能体检索增强生成的分层协同剪枝框架，通过剪枝冗余通信边提升性能与token效率，实验中优于单智能体及多智能体基准系统。
Comments Accepted by ACM MM2026
OptGraph: Large Language Models Enhanced Evolutionary Optimization Via Graph Retrieval-Augmented Generation
OptGraph：基于图检索增强生成的大语言模型增强进化优化
专题命中 检索器与排序 ：retrieval-augmented generation(title,abstract)
AI总结 针对现有LLM自动化进化优化的局限，提出引入GraphRAG的OptGraph工作流，通过类型化图复用经验等方法，在基准数据集上较现有框架平均精确准确率提升8.9%。
A Human-Centric Evaluation of a Retrieval-Augmented Generation System for Explaining Quebec Insurance Contracts
以用户为中心对用于解释魁北克保险合同的检索增强生成系统的评估
专题命中 检索器与排序 ：retrieval-augmented generation(title,abstract)
AI总结 研究针对在线保险销售中消费者面临的‘建议差距’问题，对用于解释魁北克汽车保险合同的检索增强生成系统进行以用户为中心的评估，通过用户研究得出系统被视为‘认知均衡器’，但也有局限性，凸显人在回路框架在高风险消费金融中实施AI的重要性。
Comments Accepter to HCII 2026
RoTRAG: Rule of Thumb Reasoning for Conversation Harm Detection with Retrieval-Augmented Generation
RoTRAG: 基于经验法则推理的检索增强生成对话有害内容检测
机构 * Peking University（北京大学） ； Enhans ； University of North Texas（北得克萨斯大学）
专题命中 检索器与排序 ：retrieval-augmented generation(title)；分类 cs.IR、cs.CL、cs.AI
AI总结 提出RoTRAG框架，通过检索外部道德规范（RoTs）增强LLM的多轮对话有害内容检测，实现基于规范推理和分类，平均F1提升约40%，分布误差降低8.4%。
Comments Accepted by SIGIR-ICTIR 2026, Oral Presentation
Journal ref Proceedings of the 2026 International ACM SIGIR Conference on Innovative Concepts and Theories in Information Retrieval (ICTIR '26), July 25, 2026, Melbourne, VIC, Australia. ACM, New York, NY, USA, 12 pages
CogniVerse: Revolutionizing Multi-Modal Retrieval-Augmented Generation with Cognitive Reflection and Geometric Reasoning
CogniVerse: 用认知反思与几何推理革新多模态检索增强生成
机构 * School of Software Engineering, Huazhong University of Science and Technology（华中科技大学软件学院） ； Nanyang Technological University, Singapore（新加坡南洋理工大学） ； University College London（伦敦大学学院）
专题命中 检索器与排序 ：retrieval-augmented generation(title,abstract)
AI总结 提出CogniVerse框架，通过认知反思模块、基于黎曼流形对齐的多模态检索模块和最优传输层次生成模块，解决多模态检索增强生成中的噪声检索、跨模态语义错位和生成不连贯问题。
Comments Accepted in CVPR 2026
HPC-LLM: Practical Domain Adaptation and Retrieval-Augmented Generation for HPC Support
HPC-LLM: 实用领域适应与检索增强生成用于HPC支持
机构 * Texas A&M University（德克萨斯大学）
专题命中 检索器与排序 ：retrieval-augmented generation(title)；dense retrieval(abstract)
AI总结 本文提出HPC-LLM，通过检索增强和领域适应支持HPC工作流，利用QLoRA实现轻量级领域适应，实验表明其在低资源下性能接近大模型。
Building Specialized Software-Assistant ChatBot with Graph-Based Retrieval-Augmented Generation
构建基于图的检索增强生成专用软件助手聊天机器人
机构 * RAKAM AI ； Lemon Learning
专题命中 检索器与排序 ：retrieval-augmented generation(title,abstract)
AI总结 本文提出基于图的检索增强生成框架，将企业Web应用转换为状态-动作知识图，使LLM生成基于上下文的可靠帮助，通过与RAKAM和Lemon Learning的合作，展示了工程流程、图检索设计及生产DAP工作流整合。
Comments Accepted at ICMLC 2026
GitBugs: Bug Reports for Duplicate Detection, Retrieval Augmented Generation, Triage, and More
GitBugs: 用于重复检测、检索增强生成、分拣等的bug报告
专题命中 检索器与排序 ：retrieval augmented generation(title,abstract)
AI总结 GitBugs包含15万余条bug报告，提供标准化分类字段和预定义训练测试集，支持重复检测、检索增强生成、自动分拣等软件工程研究任务。
Comments 3 Tables, 9 Figures
Training-free retrieval-augmented generation with reinforced reasoning for flood damage nowcasting
无需训练的检索增强生成与强化推理用于洪水损害现在预测
机构 * Urban Resilience.AI Lab, Zachry Department of Civil and Environmental Engineering（城市韧性.AI实验室，土木与环境工程系） ； Department of Computer Science and Engineering（计算机科学与工程系） ； Department of Civil, Environmental and Architectural Engineering（土木、环境与建筑工程系） ； Institute for a Disaster Resilient Texas（德克萨斯灾害韧性研究所）
专题命中 检索器与排序 ：retrieval-augmented generation(title,abstract)
AI总结 本文提出R2RAG-Flood框架，通过强化推理实现无需训练的洪水损害现在预测，利用结构化预测器、文本摘要和推理轨迹构建知识库，在推理阶段通过地理邻近和自由样本支持案例推理，提升预测准确性与成本效率。
Comments 18 pages, 3 figures, 8 tables, submitted to CACAIE journal
SCPatcher: Automated Smart Contract Code Repair via Retrieval-Augmented Generation and Knowledge Graph
SCPatcher：通过检索增强生成与知识图谱实现智能合约代码自动修复
专题命中 检索器与排序 ：retrieval-augmented generation(title,abstract)
AI总结 本文提出SCPatcher框架，结合检索增强生成与知识图谱实现智能合约漏洞自动修复，通过构建5000个验证过的以太坊合约知识图谱，提升大语言模型推理能力，实现高修复率和编译通过率。
Comments 6 pages, 3 figures
Knowledge-Guided Retrieval-Augmented Generation for Zero-Shot Psychiatric Data: Privacy Preserving Synthetic Data Generation
基于知识的检索增强生成用于零样本心理数据：隐私保护的合成数据生成
机构 * SimulaMet ； Oslo Metropolitan University（奥斯陆城市大学） ； Uppsala University（乌普萨拉大学）
专题命中 检索器与排序 ：retrieval-augmented generation(title,abstract)
AI总结 本文提出一种零样本知识引导框架，利用检索增强生成技术生成隐私保护的合成心理数据，通过对比CTGAN和TVAE模型，证明临床知识增强LLM在生成高质量、隐私保护的合成数据方面具有优势。
Comments Submitted to CBMS 2026
RobustVisRAG: Causality-Aware Vision-Based Retrieval-Augmented Generation under Visual Degradations
RobustVisRAG: 基于因果性的视觉增强检索增强生成方法在视觉退化下的鲁棒性
机构 * National Taiwan University（国立台湾大学） ； Microsoft（微软）
专题命中 检索器与排序 ：retrieval-augmented generation(title,abstract)
AI总结 本文提出RobustVisRAG，通过双路径框架分离语义与退化因素，提升在视觉退化下的检索生成性能，实验显示在真实退化条件下性能提升显著。
Comments Accepted by CVPR2026; Project Page: https://robustvisrag.github.io
Evo-Retriever: LLM-Guided Curriculum Evolution with Viewpoint-Pathway Collaboration for Multimodal Document Retrieval
Evo-Retriever：基于观点-路径协作的LLM引导课程进化多模态文档检索框架
机构 * Alibaba Cloud Computing（阿里巴巴云计算）
专题命中 检索器与排序 ：retriever(title,abstract)
AI总结 本文提出Evo-Retriever框架，通过LLM引导的课程进化和观点-路径协作提升多模态文档检索性能，实现在ViDoRe V2和MMEB数据集上达到SOTA水平。
Comments Accepted by CVPR2026
WebFAQ 2.0: A Multilingual QA Dataset with Mined Hard Negatives for Dense Retrieval
WebFAQ 2.0: 一个多语言问答数据集，包含挖掘的硬负样本用于密集检索
机构 * University of Passau（帕绍大学） ； University of Passau, and IT:U Austria（帕绍大学和IT:U奥地利）
专题命中 检索器与排序 ：dense retrieval(title)；分类 cs.IR、cs.CL、cs.AI
AI总结 WebFAQ 2.0是一个多语言问答数据集，包含挖掘的硬负样本，用于训练密集检索器，支持多语言和跨语言信息检索研究。
Explainable Interictal Epileptiform Discharge Detection Method Based on Scalp EEG and Retrieval-Augmented Generation
基于头皮 EEG 和检索增强生成的可解释性癫痫发作前放电检测方法
专题命中 检索器与排序 ：retrieval-augmented generation(title)；RAG(abstract)
AI总结 本文提出了一种基于头皮 EEG 和检索增强生成的可解释性癫痫发作前放电检测方法，通过双编码器和对比学习提升诊断性能和临床可解释性。
GraphRAG-R1: Graph Retrieval-Augmented Generation with Process-Constrained Reinforcement Learning
GraphRAG-R1: 基于过程约束强化学习的图检索增强生成
机构 * Nankai University（南开大学） ； Huawei Technologies Ltd（华为技术有限公司） ； Beihang University（北航）
专题命中 检索器与排序 ：retrieval-augmented generation(title,abstract)
AI总结 GraphRAG-R1通过过程约束强化学习提升LLM多跳推理能力，结合改进的GRPO方法和两种新型奖励函数，有效解决复杂问题。
Comments Accepted by the Web Conference 2026
QualiRAG: Retrieval-Augmented Generation for Visual Quality Understanding
QualiRAG：用于视觉质量理解的检索增强生成
机构 * Shanghai Jiao Tong University（上海交通大学） ； East China Normal University（华东师范大学） ； Shanghai Artificial Intelligence Laboratory（上海人工智能实验室）
专题命中 检索器与排序 ：retrieval-augmented generation(title)；RAG(abstract)
AI总结 QualiRAG通过检索增强生成框架，利用大模型的潜在感知知识，实现无需训练的视觉质量理解与比较。
LLM2IR: simple unsupervised contrastive learning makes long-context LLM great retriever
LLM2IR: 简单的无监督对比学习使长上下文LLM成为强大的检索器
机构 * Computer Science（计算机科学）
专题命中 检索器与排序 ：retriever(title)；分类 cs.IR、cs.CL、cs.AI
AI总结 LLM2IR通过简单无监督对比学习将长上下文LLM转化为高效检索器，验证了上下文长度与检索能力的关系。
Comments MS Thesis
GestureHYDRA: Semantic Co-speech Gesture Synthesis via Hybrid Modality Diffusion Transformer and Cascaded-Synchronized Retrieval-Augmented Generation
GestureHYDRA: 通过混合模态扩散变换器和级联同步检索增强生成进行语义同步手势合成
专题命中 检索器与排序 ：retrieval-augmented generation(title,abstract)
AI总结 GestureHYDRA通过混合模态扩散变换器和级联同步检索增强生成技术，实现具有明确语义的手势合成，提升手势生成的准确性和效率。
Comments 10 pages, 5 figures, Accepted by ICCV 2025
Exploring the Security Threats of Retriever Backdoors in Retrieval-Augmented Code Generation
探索检索增强代码生成中Retriever后门的安全威胁
专题命中 检索器与排序 ：retriever(title,abstract)
AI总结 本文研究了检索增强代码生成中Retriever后门攻击的严重威胁，通过开发VenomRACG攻击方法揭示了攻击者可通过注入少量代码操控检索器，导致模型生成脆弱代码。
Citation-Grounded Code Comprehension: Preventing LLM Hallucination Through Hybrid Retrieval and Graph-Augmented Context
基于引用的代码理解：通过混合检索和图增强上下文防止LLM幻觉
机构 * Department of Computer Science and Software Engineering, Auburn University, Alabama, USA（计算机科学与软件工程系，阿伯丁大学，阿拉巴马州，美国）
专题命中 检索器与排序 ：hybrid retrieval(title,abstract)
AI总结 本文提出混合检索与图增强上下文方法，通过系统评估实现92%引用准确率，有效防止LLM幻觉。
Hierarchical Deep Research with Local-Web RAG: Toward Automated System-Level Materials Discovery
分层深度研究与本地Web RAG：迈向自动化系统级材料发现
机构 * Pritzker School of Molecular Engineering, University of Chicago（芝加哥大学普利兹克分子工程学院） ； Chemical Sciences and Engineering Division, Argonne National Laboratory（阿贡国家实验室化学科学与工程 division） ； Department of Computer Science, University of Chicago（芝加哥大学计算机科学系）
专题命中 检索器与排序 ：RAG(title)；retrieval-augmented generation(abstract)
AI总结 本文提出一种分层深度研究代理，通过本地Web RAG和DToR机制，实现低成本高质的自动化系统级材料发现。
Comments A preliminary version appeared in The AI for Accelerated Materials Discovery (AI4Mat) Workshop at NeurIPS 2025
Graph-Guided Concept Selection for Efficient Retrieval-Augmented Generation
机构 * Huawei Cloud Computing Technology Co., Ltd, China（华为云计算技术有限公司，中国）
专题命中 检索器与排序 ：retrieval-augmented generation(title)；RAG(abstract)
CardioRAG: A Retrieval-Augmented Generation Framework for Multimodal Chagas Disease Detection
机构 * Department of Electrical and Electronic Engineering Imperial College London（帝国理工学院电子与电气工程系） ； Department of Civil and Environmental Engineering Imperial College London（帝国理工学院土木与环境工程系） ； Institute of Biomedical Engineering Department of Engineering Science University of Oxford（牛津大学生物医学工程研究所）
专题命中 检索器与排序 ：retrieval-augmented generation(title,abstract)
Comments 4 pages, 2 figures. Accepted for oral presentation at the 52nd international Computing in Cardiology Conference (CinC2025)
LEGO-GraphRAG: Modularizing Graph-based Retrieval-Augmented Generation for Design Space Exploration
机构 * University of Science and Technology of China（中国科学技术大学） ； Hong Kong Baptist University（香港 Baptist 大学）
专题命中 检索器与排序 ：retrieval-augmented generation(title)；分类 cs.CL、cs.AI、cs.DB
Comments VLDB'2025 [Experiment, Analysis & Benchmark]
Neural Graph Matching Improves Retrieval Augmented Generation in Molecular Machine Learning
机构 * Massachusetts Institute of Technology, Cambridge, MA, United States（麻省理工学院）
专题命中 检索器与排序 ：retrieval augmented generation(title)；retrieval-augmented generation(abstract)
Comments ICML 2025
