RAG / 检索增强生成

ReusStdFlow: A Standardized Reusability Framework for Dynamic Workflow Construction in Agentic AI

ReusStdFlow：一种面向代理AI动态工作流构建的标准可重用框架

Gaoyang Zhang, Shanghong Zou, Yafang Wang, He Zhang, Ruohua Xu, Feng Zhao

机构 * Accenture Information Technology, SGITG（Accenture信息科技公司） ； Kexin Technology, CNPIEC（科新科技公司） 纠错

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

AI总结 ReusStdFlow通过提取-存储-构建范式，实现企业代理AI中动态工作流的标准化可重用框架，提升工作流构建的准确率与效率。

Guided Collaboration in Heterogeneous LLM-Based Multi-Agent Systems via Entropy-Based Understanding Assessment and Experience Retrieval

通过基于熵的理解评估和经验检索实现异构大语言模型多智能体系统的引导协作

Linlin Wang, Tianqing Zhu, Laiqiao Qin, Longxiang Gao, Wanlei Zhou

机构 * Faculty of Data Science, City University of Macau（数据科学学院，澳门城市大学） ； Key Laboratory of Computing Power Network and Information Security, Ministry of Education, Shandong Computer Science Center, Qilu University of Technology (Shandong Academy of Sciences)（计算能力网络与信息安全重点实验室，教育部，山东计算机科学中心，齐鲁工业大学（山东科学院）） ； Shandong Provincial Key Laboratory of Computing Power Internet and Service Computing, Shandong Fundamental Research Center for Computer Science（山东省计算能力互联网与服务计算重点实验室，山东省计算机科学基础研究中心） 纠错

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

AI总结 本文提出基于熵的理解评估和经验检索的引导协作框架，通过自适应引导和RAG机制提升异构多智能体系统的协作效果和稳定性。

CausalAgent: A Conversational Multi-Agent System for End-to-End Causal Inference

CausalAgent：面向端到端因果推断的对话多智能体系统

Jiawei Zhu, Wei Chen, Ruichu Cai

机构 * Guangdong University of Technology（广东工业大学） ； Peng Cheng Laboratory（鹏城实验室） 纠错

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

AI总结 CausalAgent通过整合多智能体系统、检索增强生成和模型上下文协议，实现端到端因果推断的自动化，使用户能通过自然语言交互获得严谨的分析报告。

Comments Accepted by IUI 2026

Retrieval- and Argumentation-Enhanced Multi-Agent LLMs for Judgmental Forecasting (Extended Version with Supplementary Material)

检索与论证增强的多智能体大语言模型用于判断性预测（含补充材料）

Deniz Gorur, Antonio Rago, Francesca Toni

机构 * Imperial College London（帝国理工学院伦敦分校） ； King's College London（国王学院伦敦分校） 纠错

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

AI总结 本文提出一种多智能体框架，结合检索与论证增强技术，提升判断性预测的准确性与可解释性。

Comments 24 pages, 3 figures, Accepted to AAMAS 2026

From Rows to Reasoning: A Retrieval-Augmented Multimodal Framework for Spreadsheet Understanding

从行到推理：一种增强检索的多模态框架用于电子表格理解

Anmol Gulati, Sahil Sen, Waqar Sarguroh, Kevin Paul

机构 * Commercial Technology and Innovation Office, PricewaterhouseCoopers U.S.（普华永道美国商业技术与创新办公室） 纠错

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

AI总结 FRTR提出了一种多模态检索增强生成框架，通过分解电子表格为细粒度嵌入并整合多模态信息，提升了对复杂电子表格的推理能力，在基准测试中实现了显著的准确率提升。

CID-GraphRAG: Enhancing Multi-Turn Dialogue Systems through Dual-Pathway Retrieval of Conversation Flow and Context Semantics

CID-GraphRAG：通过对话流程和上下文语义的双路径检索增强多轮对话系统

Ziqi Zhu, Tao Hu, Honglong Zhang, Dan Yang, Hangeng Chen, Mengran Zhang, Xilun Chen

机构 * Amazon Web Services（亚马逊网络服务） ； The Chinese University of Hong Kong, Shenzhen（香港中文大学（深圳）） 纠错

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

AI总结 CID-GraphRAG通过结合意图转换结构与语义检索，提升多轮对话系统的响应质量。

Guideline Forest: Retrieval-Augmented Reasoning with Branching Experience-Induced Guidelines

指南森林：基于检索的增强推理与分支经验引导

Jiaxiang Chen, Zhuo Wang, Mingxi Zou, Qifan Wang, Zenglin Xu

机构 * Fudan University（复旦大学） ； Meta ； SAIS ； SII 纠错

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

AI总结 Guideline Forest通过利用经验引导多步骤推理，提升数学和编程任务的推理能力，支持多模型协作与灵活扩展。

CLaRa: Bridging Retrieval and Generation with Continuous Latent Reasoning

CLaRa：通过连续潜在推理弥合检索与生成

Jie He, Richard He Bai, Sinead Williamson, Jeff Z. Pan, Navdeep Jaitly, Yizhe Zhang

机构 * Apple（苹果公司） ； University of Edinburgh（爱丁堡大学） 纠错

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

AI总结 CLaRa通过连续潜在推理框架实现检索与生成的统一优化，提升压缩和重排性能，优于现有基线方法。

Automated Customization of LLMs for Enterprise Code Repositories Using Semantic Scopes

基于语义范围的LLM企业代码仓库自动化定制

Ulrich Finkler, Irene Manotas, Wei Zhang, Geert Janssen, Octavian Popescu, Shyam Ramji

机构 * IBM Research Yorktown Heights New York, USA（IBM研究院扬斯敦高地新 York 美国） 纠错

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

AI总结 本文提出基于语义范围的LLM企业代码仓库自动化定制方法，通过RAG和FT策略提升代码生成精度，提高开发者生产力。

Zero2Text: Zero-Training Cross-Domain Inversion Attacks on Textual Embeddings

Zero2Text: 无训练跨域反向攻击文本嵌入

Doohyun Kim, Donghwa Kang, Kyungjae Lee, Hyeongboo Baek, Brent Byunghoon Kang

机构 * School of Computing, Korea Advanced Institute of Science and Technology (KAIST)（韩国科学技术院计算学院） ； Graduate School of Information Security, Korea Advanced Institute of Science and Technology (KAIST)（韩国科学技术院信息安全研究生院） ； Department of Artificial Intelligence, University of Seoul, Seoul, Republic of Korea（首尔大学人工智能系） ； Department of Computer Science, University of Seoul, Seoul, Republic of Korea（首尔大学计算机科学系） 纠错

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

AI总结 Zero2Text通过递归在线对齐机制，在无训练情况下实现跨域文本嵌入反向攻击，有效对抗传统防御手段，实验显示其在恢复句子方面表现优异。

Comments 10 pages

SOPRAG: Multi-view Graph Experts Retrieval for Industrial Standard Operating Procedures

SOPRAG：面向工业标准操作规程的多视图图专家检索

Liangtao Lin, Zhaomeng Zhu, Tianwei Zhang, Yonggang Wen

机构 * Nanyang Technological University（南洋理工大学） 纠错

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

AI总结 SOPRAG通过多视图图专家检索框架，解决工业SOP检索中的结构复杂性和条件依赖性问题，提升检索准确性和响应实用性。

DeepGreen: Effective LLM-Driven Greenwashing Monitoring System Designed for Empirical Testing -- Evidence from China

DeepGreen：一种用于实证测试的基于大语言模型的绿色洗刷监测系统设计——来自中国的证据

Congluo Xu, Jiuyue Liu, Ziyang Li, Chengmengjia Lin

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

AI总结 DeepGreen通过LLM驱动系统识别企业绿色洗刷，揭示其与环境处罚的正相关关系，并探讨绿色投资者和企业规模对这一关系的影响。

Comments Major revision accepted in Computational Economics, December 31, 2025. This version incorporates extensive revisions based on the reviewers' comments, with substantial changes

LANCER: LLM Reranking for Nugget Coverage

LANCER: 用于 nugget 覆盖的 LLM 重排序

Jia-Huei Ju, François G. Landry, Eugene Yang, Suzan Verberne, Andrew Yates

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

AI总结 LANCER 通过生成子问题并重排序文档，提升长形式 RAG 中的信息覆盖度。

Comments ECIR 2026

RAS: Retrieval-And-Structuring for Knowledge-Intensive LLM Generation

RAS：基于检索与构建的知识密集型大语言模型生成

Pengcheng Jiang, Lang Cao, Ruike Zhu, Minhao Jiang, Yunyi Zhang, Jiaming Shen, Jimeng Sun, Jiawei Han

机构 * Department of Computer Science, University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校计算机科学系） 纠错

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

AI总结 RAS通过动态构建问题特定知识图谱，提升大语言模型在知识密集型任务中的推理准确性和鲁棒性。

Comments ICLR 2026

Exploring Fine-Tuning for In-Context Retrieval and Efficient KV-Caching in Long-Context Language Models

探索针对长上下文语言模型的微调以实现上下文检索和高效的KV缓存

Francesco Maria Molfese, Momchil Hardalov, Rexhina Blloshmi, Bill Byrne, Adrià de Gispert

机构 * Sapienza University of Rome（罗马萨皮恩扎大学） ； Amazon AGI（亚马逊人工智能研究院） 纠错

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

AI总结 本文研究了长上下文语言模型在微调策略下的性能提升及KV缓存压缩下的鲁棒性，展示了领域内和跨领域任务中的不同表现。

Comments European Chapter of the Association for Computational Linguistics EACL 2026

OwlerLite: Scope- and Freshness-Aware Web Retrieval for LLM Assistants

OwlerLite：面向LLM助手的范围和新鲜度感知网络检索

Saber Zerhoudi, Michael Dinzinger, Michael Granitzer, Jelena Mitrovic

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

AI总结 OwlerLite通过用户定义的范围和数据新鲜度提升LLM助手的检索可控性和可信度。

Journal ref Proceedings of the Companion Proceedings of the ACM Web Conference 2026 (WWW Companion '26)

PairSem: LLM-Guided Pairwise Semantic Matching for Scientific Document Retrieval

PairSem: 基于大语言模型的成对语义匹配用于科学文档检索

Wonbin Kweon, Runchu Tian, SeongKu Kang, Pengcheng Jiang, Zhiyong Lu, Jiawei Han, Hwanjo Yu

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

AI总结 PairSem通过实体-属性对捕捉科学概念的多面性，提升科学文档检索的精度和上下文感知能力。

Comments WWW 2026

Evaluating the Effect of Retrieval Augmentation on Social Biases

评估检索增强对社会偏见的影响

Tianhui Zhang, Yi Zhou, Danushka Bollegala

机构 * University of Liverpool（利兹大学） ； Cardiff University（卡迪夫大学） ； Amazon（亚马逊） 纠错

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

AI总结 本文研究了检索增强生成在三种语言中对社会偏见的影响，发现文档集合中的偏见在生成响应中被放大，强调了RAG在实际应用中需谨慎评估社会偏见。

Comments EACL26 main

Provable Differentially Private Computation of the Cross-Attention Mechanism

可证明的差分隐私交叉注意力机制计算

Yekun Ke, Yingyu Liang, Zhenmei Shi, Zhao Song, Jiahao Zhang

机构 * The University of Hong Kong（香港大学） ； University of Wisconsin-Madison（威斯康星大学麦迪逊分校） ； The Simons Institute for the Theory of Computing at the University of California, Berkeley（伯克利大学计算理论研究所） 纠错

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

AI总结 本文提出了一种可证明差分隐私的交叉注意力机制计算方法，通过新颖的数据结构实现隐私保护，同时保证计算效率和安全性。

MIRAGE: Scaling Test-Time Inference with Parallel Graph-Retrieval-Augmented Reasoning Chains

MIRAGE: 通过并行图检索增强推理链实现测试时扩展

Kaiwen Wei, Rui Shan, Dongsheng Zou, Jianzhong Yang, Bi Zhao, Junnan Zhu, Jiang Zhong

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

AI总结 MIRAGE通过并行图检索增强推理链实现测试时扩展，提升医疗问答任务的准确性和可追溯性。

Comments 10 pages, 8 figures (including tables), plus appendix. Accepted to AAAI 2026

Structure and Diversity Aware Context Bubble Construction for Enterprise Retrieval Augmented Systems

结构与多样性感知的上下文气泡构建方法用于企业检索增强系统

Amir Khurshid, Abhishek Sehgal

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

AI总结 本文提出一种结构感知和多样性约束的上下文气泡构建方法，以提高企业检索增强系统中上下文的效率和信息完整性。

WaterCopilot: An AI-Driven Virtual Assistant for Water Management

WaterCopilot：一种基于人工智能的虚拟助手用于水资源管理

Keerththanan Vickneswaran, Mariangel Garcia Andarcia, Hugo Retief, Chris Dickens, Paulo Silva

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

AI总结 WaterCopilot通过AI驱动的虚拟助手整合多源数据，提升跨境流域水资源治理的效率与决策能力。

Comments 15 pages, 12 figures. This work was developed in collaboration between the International Water Management Institute (IWMI) and Microsoft Research. The supplementary user guide for WaterCopilot is available via this https://cgspace.cgiar.org/server/api/core/bitstreams/a5818d12-629d-4f70-a3b0-ee6c25e82cd7/content

Autonomous QA Agent: A Retrieval-Augmented Framework for Reliable Selenium Script Generation

自主问答代理：一种增强检索的框架，用于可靠的Selenium脚本生成

Dudekula Kasim Vali

机构 * Department of Computer Science（计算机科学系） ； VIT-AP University（VIT-AP大学） 纠错

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

AI总结 本文提出了一种基于增强检索的框架，通过项目文档和HTML结构生成可靠的Selenium测试脚本，显著提高了脚本生成的准确性和执行成功率。

Comments 13 figures, 3 tables

Efficient Temporal-aware Matryoshka Adaptation for Temporal Information Retrieval

高效的时间感知Matryoshka适应方法用于时间信息检索

Tuan-Luc Huynh, Weiqing Wang, Trung Le, Thuy-Trang Vu, Dragan Gašević, Yuan-Fang Li, Thanh-Toan Do

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

AI总结 本文提出TMRL方法，通过时间感知Matryoshka嵌入提升时间信息检索效率，实现与传统方法相当的性能并支持灵活的精度-效率权衡。

Comments 18 pages

GRACE: Reinforcement Learning for Grounded Response and Abstention under Contextual Evidence

GRACE：基于上下文证据的强化学习用于 grounded 响应和回避

Yibo Zhao, Jiapeng Zhu, Zichen Ding, Xiang Li

机构 * School of Data Science and Engineering, East China Normal University（数据科学与工程学院，东华大学） ； Shanghai AI Laboratory（上海人工智能实验室） 纠错

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

AI总结 GRACE通过强化学习框架整合证据基础和可靠回避，解决检索增强生成中的准确性和回避性问题，实现高准确率与低标注成本的平衡。

Comments 18 pages

Decide Then Retrieve: A Training-Free Framework with Uncertainty-Guided Triggering and Dual-Path Retrieval

决定后再检索：一种无训练框架，结合不确定性引导触发和双路径检索

Wang Chen, Guanqiang Qi, Weikang Li, Yang Li, Deguo Xia, Jizhou Huang

机构 * Baidu Inc（百度公司） ； The University of Hong Kong（香港大学） ； Peking University（北京大学） 纠错

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

AI总结 DTR通过不确定性引导触发和双路径检索，提升问答性能并减少冗余检索。

The Gaining Paths to Investment Success: Information-Driven LLM Graph Reasoning for Venture Capital Prediction

投资成功的获取路径：基于信息驱动的LLM图推理的创业投资预测

Haoyu Pei, Zhongyang Liu, Xiangyi Xiao, Xiaocong Du, Suting Hong, Kunpeng Zhang, Haipeng Zhang

机构 * ShanghaiTech University（上海科技大学） ； Xi’an Jiaotong-Liverpool University（西安交通大学利物浦大学） ； University of Maryland（马里兰大学） 纠错

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

AI总结 MIRAGE-VC通过信息驱动的图路径推理，提升创业投资预测的准确性和可解释性。

RAST: A Retrieval Augmented Spatio-Temporal Framework for Traffic Prediction

RAST：一种用于交通预测的检索增强时空框架

Weilin Ruan, Xilin Dang, Ziyu Zhou, Sisuo Lyu, Yuxuan Liang

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

AI总结 RAST通过整合检索增强机制与时空建模，解决交通预测中的上下文容量和细粒度预测性挑战，实现高效且准确的交通预测。

Comments Accepted by AAAI 2026 (AI for Social Impact)

RobustMask: Certified Robustness against Adversarial Neural Ranking Attack via Randomized Masking

RobustMask: 通过随机掩码实现对抗神经排序攻击的认证鲁棒性

Jiawei Liu, Zhuo Chen, Rui Zhu, Miaokun Chen, Yuyang Gong, Wei Lu, Xiaofeng Wang

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

AI总结 RobustMask通过结合预训练语言模型和随机掩码机制，提升神经排序模型对对抗扰动的鲁棒性，认证top-K鲁棒性并有效增强实际检索系统的安全性。

Lessons from Neuroscience for AI: How integrating Actions, Compositional Structure and Episodic Memory could enable Safe, Interpretable and Human-Like AI

从神经科学中汲取教训：如何通过整合动作、组合结构和事件记忆来实现安全、可解释和类人的人工智能

Rajesh P. N. Rao, Vishwas Sathish, Linxing Preston Jiang, Matthew Bryan, Prashant Rangarajan

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

AI总结 通过整合动作、组合结构和事件记忆，改进基础模型以实现安全、可解释和类人的人工智能。