RAG / 检索增强生成

Privacy Without Losing Place: A Paradigm for Private Retrieval in Spatial RAGs

隐私不丧失位置：空间RAGs中隐私检索的范式

Kennedy Edemacu, Mohammad Mahdi Shokri, Vinay M. Shashidhar, Jong Wook Kim

机构 * The City University of New York（纽约城市大学） ； Northern Michigan University（北密歇根大学） ； Sangmyung University（商硕大学） 纠错

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

AI总结 本文提出PAS机制，通过相对锚编码实现用户位置隐私保护，在保持检索性能的同时提供粗粒隐私保障，且大语言模型能补偿空间检索的不完美。

PrivacyAssist: A User-Centric Agent Framework for Detecting Privacy Inconsistencies in Android Apps

PrivacyAssist：一种以用户为中心的代理框架，用于检测Android应用程序中的隐私不一致

Tran Thanh Lam Nguyen, Edoardo Di Tullio, Barbara Carminati, Elena Ferrari

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

AI总结 PrivacyAssist通过多代理LLM平台检测用户授权权限与开发者声明的敏感数据收集共享实践之间的不一致，提供简洁解释和实时警告以支持明智安装决策。

LLM4C2Rust: Large Language Models for Automated Memory-Safe Code Transpilation

LLM4C2Rust: 利用大型语言模型实现自动内存安全代码转译

Sarah Bedell, Nazanin Siavash, Armin Moin

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

AI总结 本文提出基于检索增强生成的框架，利用大型语言模型与小型语言模型结合，实现C/C++到Rust的转译，提升内存安全性。实验表明该方法能有效提高代码正确性和安全性，减少原始指针解引用和不安全类型转换。

An Iterative Utility Judgment Framework Inspired by Philosophical Relevance via LLMs

一种受哲学相关性启发的迭代效用判断框架

Hengran Zhang, Keping Bi, Jiafeng Guo, Xueqi Cheng

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, Chinese Academy of Sciences（中国科学院计算技术研究所） ； 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(abstract)；RAG(abstract)；分类 cs.IR、cs.CL、cs.AI

AI总结 本文提出ITEM框架，通过迭代提升信息检索中相关性排序、效用判断和答案生成的性能，实验表明在多个数据集上均优于基线模型。

Comments Accepted to ACL 2026 Findings

Beyond Relevance: Utility-Centric Retrieval in the LLM Era

超越相关性：在大语言模型时代以效用为中心的检索

Hengran Zhang, Minghao Tang, Keping Bi, Jiafeng Guo

机构 * State Key Laboratory of AI Safety, ICT, CAS（中国科学院计算技术研究所人工智能安全国家重点实验室） ； 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(abstract)；RAG(abstract)；分类 cs.IR、cs.CL、cs.AI

AI总结 本文探讨了在大语言模型时代，检索系统从以相关性为中心转向以效用为中心的转变，分析了效用与LLM需求及代理RAG的联系，提供设计检索系统的理论基础和实践指导。

Comments Accepted by SIGIR2026

CQ-CiM: Hardware-Aware Embedding Shaping for Robust CiM-Based Retrieval

CQ-CiM: 面向鲁棒CiM基于检索的嵌入形状化

Xinzhao Li, Alptekin Vardar, Franz Müller, Navya Goli, Umamaheswara Rao Tida, Kai Ni, Xiaobo Sharon Hu, Thomas Kämpfe, Ruiyang Qin

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

AI总结 本文提出CQ-CiM框架，通过联合学习压缩与量化生成兼容多种CiM设计的低比特嵌入，解决RAG中高精度高维嵌入与CiM低精度低维约束的矛盾。

Comments Accepted by DAC'26

Do LLMs Understand Collaborative Signals? Diagnosis and Repair

大语言模型理解协作信号吗？诊断与修复

Shahrooz Pouryousef, Ali Montazeralghaem

机构 * Google（谷歌） 纠错

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

AI总结 本文研究大语言模型在推荐任务中处理协作信息的能力，通过检索增强生成方法提升其推理性能，实验表明在提供清晰信息时LLM优于传统矩阵分解模型。

TURA: Tool-Augmented Unified Retrieval Agent for AI Search

TURA：面向人工智能搜索的工具增强统一检索代理

Zhejun Zhao, Yuchen Li, Alley Liu, Yuehu Dong, Xiaolong Wei, Lixue Zheng, Pingsheng Liu, Dongdong Shen, Long Xia, Jiashu Zhao, Dawei Yin

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

AI总结 TURA通过结合RAG与代理工具使用，首次系统性地弥合静态RAG与动态信息源之间的差距，提升人工智能搜索的实时性和准确性。

OSCAR: Online Soft Compression And Reranking

OSCAR: 在线软压缩与重排序

Maxime Louis, Thibault Formal, Hervé Dejean, Stéphane Clinchant

机构 * NAVER LABS Europe（NAVER欧洲实验室） 纠错

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

AI总结 OSCAR通过在线软压缩和重排序方法提升RAG管道效率，实现推理速度提升2-5倍且准确率无损失。

An Agentic LLM Framework for Adverse Media Screening in AML Compliance

面向反面媒体筛查的代理LLM框架用于反洗钱合规

Pavel Chernakov, Sasan Jafarnejad, Raphaël Frank

机构 * Interdisciplinary Centre for Security, Reliability and Trust（安全、可靠与信任跨学科中心） 纠错

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

AI总结 本文提出基于LLM与RAG的代理框架，用于自动化反面媒体筛查，通过多步骤流程实现高风险个体的准确识别。

DS SERVE: A Framework for Efficient and Scalable Neural Retrieval

DS SERVE：一种高效可扩展的神经检索框架

Jinjian Liu, Yichuan Wang, Xinxi Lyu, Rulin Shao, Joseph E. Gonzalez, Matei Zaharia, Sewon Min

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

AI总结 DS-SERVE是一种高效可扩展的神经检索框架，通过低延迟和内存优化支持多种大规模应用

Analytical Search

分析搜索

Yiteng Tu, Shuo Miao, Weihang Su, Yiqun Liu, Qingyao Ai

机构 * DCST, Tsinghua University（清华大学智能驾驶与车路协同研究院） ； Quan Cheng Laboratory（量子工程实验室） 纠错

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

AI总结 本文提出分析搜索范式，旨在通过证据导向和多步骤推理解决复杂分析需求，提升信息检索的端到端能力。

Epistemic Diversity and Knowledge Collapse in Large Language Models

知识多样性与大语言模型中的知识崩溃

Dustin Wright, Sarah Masud, Jared Moore, Srishti Yadav, Maria Antoniak, Peter Ebert Christensen, Chan Young Park, Isabelle Augenstein

机构 * University of Copenhagen（哥本哈根大学） ； Aalborg University Copenhagen（奥胡斯大学哥本哈根分校） ； Stanford University（斯坦福大学） ； University of Colorado Boulder（科罗拉多大学波德分校） ； Microsoft Research（微软研究院） 纠错

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

AI总结 本研究通过评估大语言模型的知识多样性，发现模型大小影响多样性，RAG技术提升多样性，但文化背景影响显著，且国家特定信息更偏向英语。

Comments 16 pages; 8 figures, 4 tables; v2 changelog: Fixed the modeling for table 3, random effect is the model version; v3 changelog: Fixed minor formatting issues in tables 2 and 3; v4 changelog: Fixed some typos and model description; v5 changelog: Updated metadata; v6 changelog: Improved search baseline, writing revisions, added comparisons to semantic similarity only approaches

Thinking Forward and Backward: Multi-Objective Reinforcement Learning for Retrieval-Augmented Reasoning

正向与反向思考：用于检索增强推理的多目标强化学习

Wenda Wei, Yu-An Liu, Ruqing Zhang, Jiafeng Guo, Lixin Su, Shuaiqiang Wang, Dawei Yin, Maarten de Rijke, Xueqi Cheng

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

AI总结 Bi-RAR通过双向信息距离和多目标强化学习框架，提升检索增强推理在复杂多步骤任务中的表现。

From Facts to Conclusions : Integrating Deductive Reasoning in Retrieval-Augmented LLMs

从事实到结论：在检索增强的大语言模型中整合演绎推理

Shubham Mishra, Samyek Jain, Gorang Mehrishi, Shiv Tiwari, Harsh Sharma, Pratik Narang, Dhruv Kumar

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

AI总结 本文提出了一种增强RAG框架，通过结构化推理和冲突分析提升模型在冲突信息下的回答准确性与可解释性。

Comments Under Review

Forging a Dynamic Memory: Retrieval-Guided Continual Learning for Generalist Medical Foundation Models

锻造动态记忆：基于检索的持续学习用于通用医学基础模型

Zizhi Chen, Yizhen Gao, Minghao Han, Yizhou Liu, Zhaoyu Chen, Dingkang Yang, Lihua Zhang

机构 * College of Intelligent Robotics and Advanced Manufacturing（智能机器人与先进制造学院） ； Fudan University（复旦大学） ； Fysics Intelligence Technologies Co., Ltd. (Fysics AI)（Fysics智能技术有限公司（Fysics AI）） ； School of Computer Science and Engineering（计算机科学与工程学院） ； Central South University（中南大学） 纠错

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

AI总结 本文提出基于检索的持续学习方法，通过动态知识蒸馏和RAG技术，解决多模态医学模型在领域迁移和细粒度特征保留中的核心难题。

SignRAG: A Retrieval-Augmented System for Scalable Zero-Shot Road Sign Recognition

SignRAG：一种用于可扩展零样本道路标志识别的检索增强系统

Minghao Zhu, Zhihao Zhang, Anmol Sidhu, Keith Redmill

机构 * Computer Engineering The Ohio State University（计算机工程 俄亥俄州立大学） ； Applied Research Transportation Research Center Inc.（应用研究 交通运输研究中心公司） ； Computer Engineering The Ohio State University Columbus, Ohio, USA（计算机工程 俄亥俄州立大学 哥伦布俄亥俄州） ； Applied Research Transportation Research Center Inc. East Liberty, Ohio, USA（应用研究 交通运输研究中心公司 埃斯特利比 俄亥俄州） 纠错

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

AI总结 SignRAG通过检索增强生成范式实现可扩展的零样本道路标志识别，结合视觉语言模型和大型语言模型，实现高准确率的标志识别。

Comments Submitted to IV 2026

Refine Medical Diagnosis Using Generation Augmented Retrieval and Clinical Practice Guidelines

通过生成增强检索和临床实践指南提升医学诊断

Wenhao Li, Hongkuan Zhang, Hongwei Zhang, Zhengxu Li, Zengjie Dong, Yafan Chen, Niranjan Bidargaddi, Hong Liu

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

AI总结 本研究提出GARMLE-G框架，通过生成增强检索和临床指南整合，提升医学诊断的准确性和临床实用性。

Journal ref Journal of Biomedical and Health Informatics (JBHI) 2025

Path-Constrained Retrieval: A Structural Approach to Reliable LLM Agent Reasoning Through Graph-Scoped Semantic Search

路径约束检索：一种通过图域语义搜索实现可靠LLM代理推理的结构方法

Joseph Oladokun

专题命中 检索器与排序 ：vector search(abstract)；hybrid retrieval(abstract)；分类 cs.IR、cs.CL、cs.DB

AI总结 路径约束检索通过结合结构图约束与语义搜索，提升LLM代理推理的可靠性和一致性。

Comments 10 pages

SimpleDeepSearcher: Deep Information Seeking via Web-Powered Reasoning Trajectory Synthesis

Shuang Sun, Huatong Song, Yuhao Wang, Ruiyang Ren, Jinhao Jiang, Junjie Zhang, Fei Bai, Jia Deng, Wayne Xin Zhao, Zheng Liu, Lei Fang, Zhongyuan Wang, Ji-Rong Wen

机构 * Beijing Academy of Artificial Intelligence（北京人工智能研究院） ； DataCanvas Alaya NeW 纠错

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

ReGeS: Reciprocal Retrieval-Generation Synergy for Conversational Recommender Systems

Dayu Yang, Hui Fang

机构 * University of Delaware（德克萨斯大学） 纠错

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

Comments Accepted by WISE 2025: 26th International Web Information Systems Engineering conference. Our code is publicly available at the link: https://github.com/dayuyang1999/ReGeS

GRIL: Knowledge Graph Retrieval-Integrated Learning with Large Language Models

Jialin Chen, Houyu Zhang, Seongjun Yun, Alejandro Mottini, Rex Ying, Xiang Song, Vassilis N. Ioannidis, Zheng Li, Qingjun Cui

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

RealRAG: Retrieval-augmented Realistic Image Generation via Self-reflective Contrastive Learning

Yuanhuiyi Lyu, Xu Zheng, Lutao Jiang, Yibo Yan, Xin Zou, Huiyu Zhou, Linfeng Zhang, Xuming Hu

机构 * The Hong Kong University of Science（香港科学与技术大学） ； Guangxi Key Laboratory of Digital Infrastructure, Guangxi Zhuang Autonomous Region Information Center（广西数字基础设施重点实验室，广西壮族自治区信息中心） ； Shanghai Jiao Tong University（上海交通大学） 纠错

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

Comments Accepted to ICML2025

GRACE: Graph-Guided Repository-Aware Code Completion through Hierarchical Code Fusion

Xingliang Wang, Baoyi Wang, Chen Zhi, Junxiao Han, Xinkui Zhao, Jianwei Yin, Shuiguang Deng

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

Advancing Autonomous Incident Response: Leveraging LLMs and Cyber Threat Intelligence

Amine Tellache, Abdelaziz Amara Korba, Amdjed Mokhtari, Horea Moldovan, Yacine Ghamri-Doudane

机构 * OODRIVE-Trusted Cloud Solutions（OODRIVE可信云计算解决方案） ； L3i Lab, University of La Rochelle（L3i实验室，拉罗什-科尔贝尔大学） 纠错

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

RTTC: Reward-Guided Collaborative Test-Time Compute

J. Pablo Muñoz, Jinjie Yuan

机构 * Intel Labs Santa Clara, CA, USA（英特尔圣克拉拉实验室） ； Intel Corporation Beijing, China（英特尔北京公司） 纠错

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

FinBERT2: A Specialized Bidirectional Encoder for Bridging the Gap in Finance-Specific Deployment of Large Language Models

Xuan Xu, Fufang Wen, Beilin Chu, Zhibing Fu, Qinhong Lin, Jiaqi Liu, Binjie Fei, Yu Li, Linna Zhou, Zhongliang Yang

机构 * Beijing University of Posts and Telecommunications（北京邮电大学） ； Beijing Value Simplex Technology Co.Ltd.（北京价值简单科技有限公司） 纠错

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

Knowledge Compression via Question Generation: Enhancing Multihop Document Retrieval without Fine-tuning

Anvi Alex Eponon, Moein Shahiki-Tash, Ildar Batyrshin, Christian E. Maldonado-Sifuentes, Grigori Sidorov, Alexander Gelbukh

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

Exp4Fuse: A Rank Fusion Framework for Enhanced Sparse Retrieval using Large Language Model-based Query Expansion

Lingyuan Liu, Mengxiang Zhang

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

专题命中 检索器与排序 ：retriever(abstract)；dense retrieval(abstract)；分类 cs.IR、cs.CL、cs.AI

DeepRAG: Thinking to Retrieve Step by Step for Large Language Models

Xinyan Guan, Jiali Zeng, Fandong Meng, Chunlei Xin, Yaojie Lu, Hongyu Lin, Xianpei Han, Le Sun, Jie Zhou

机构 * Chinese Information Processing Laboratory, Institute of Software, Chinese Academy of Sciences（中国科学院软件研究所信息处理实验室） ； University of Chinese Academy of Sciences（中国科学院大学） ； Pattern Recognition Center, WeChat AI, Tencent Inc, China（腾讯人工智能部模式识别中心） 纠错

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