RAG / 检索增强生成

Overview of the TREC 2023 Product Product Search Track

Daniel Campos, Surya Kallumadi, Corby Rosset, Cheng Xiang Zhai, Alessandro Magnani

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

Comments 14 pages, 4 figures, 11 tables - TREC 2023

Copy Is All You Need

Tian Lan, Deng Cai, Yan Wang, Heyan Huang, Xian-Ling Mao

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

Journal ref The Eleventh International Conference on Learning Representations (ICLR 2023)

Approximate Nearest Neighbor Negative Contrastive Learning for Dense Text Retrieval

Lee Xiong, Chenyan Xiong, Ye Li, Kwok-Fung Tang, Jialin Liu, Paul Bennett, Junaid Ahmed, Arnold Overwijk

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

Index SLM Technical Report

索引SLM技术报告

Tianjiao Li, Lusheng Zhang, Shien He, Xiaojing Liu, Tianxing Yan, Mengran Yu, Ziang Cui, Kai Zhao, Yang Liu, Yuxin Li

机构 * Bilibili（哔哩哔哩） 纠错

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

AI总结 哔哩哔哩开发Index-1.9B系列小语言模型，包括基础模型等四个模型。预训练采用特定方法，Index-1.9B-Base在标准基准测试表现出色，还进行了多项控制研究，所有模型及评估代码已公开。

Comments 16 pages, 9 figures. v2: updated author list (added Yang Liu and Yuxin Li; marked core contributors and project lead) and added a release-date note on the first page

HyperFL: Query-Adaptive Representation Learning for Software Fault Localization

HyperFL：面向软件故障定位的查询自适应表示学习

Shuai Shao, Yiming Zeng, Yu Zhao, Tingting Yu

专题命中 向量检索 ：dense retrieval(abstract)；分类 cs.AI

AI总结 HyperFL是面向软件故障定位的查询自适应表示学习框架，通过轻量级超网络生成查询特定LoRA参数，在真实基准上较SweRank实现检索性能显著提升。

KoVRE: Training an Efficient Embedding Model for Korean Visual Document Retrieval

KoVRE：用于韩文视觉文档检索的高效嵌入模型训练

Yongbin Choi, Gyuho Shim, Youngjoon Jang

机构 * Kyung Hee University（庆熙大学） ； Korea University（高丽大学） 纠错

专题命中 向量检索 ：retriever(abstract)；分类 cs.AI

AI总结 该研究针对现有视觉文档检索模型以英语为中心的局限，提出韩文视觉文档单向量检索模型KoVRE，采用708729对双语查询-页面对训练，2B参数模型在基准测试中表现优于同类模型。

Mwando: Leveraging AI to Preserve and Teach shiKomori

Mwando：利用人工智能保护和教授希科莫里语

Naira Abdou Mohamed, Haidar Nassur Said Ali, Mohamed Hazra, Naoufal Mohamed Soibira, Roushnaty Ali Yamani

机构 * CP2BM Lab - Hassan II University（哈桑二世大学CP2BM实验室） ； Ibn Tofail University（伊本·图法伊勒大学） ； Sciences Po Grenoble（格勒诺布尔政治学院） 纠错

专题命中 向量检索 ：vector search(abstract)；分类 cs.CL

AI总结 研究旨在利用人工智能保护和教授希科莫里语，通过构建知识库和采用多智能体架构实现。对500个查询评估显示在词汇和语法方面性能良好，定性研究展示了能力与局限，为低资源语言开发教育工具提供蓝图。

EGR: Embedding-Native Generative Retrieval with a Shared LLM

EGR：使用共享语言模型的嵌入原生生成式检索

Xiaodong Liu, Congfei Zhang, Hsiang-wei Chao, Siman Wang, Tong Zhao, Xiao Bai, Vincent Zhang, Jingxiao Ma, Zhe Liu, Wenfeng Zhuo, Zichu Li, Jitin Krishnan, Yunzhi Zhou, Yajun Wang, Jinchao Li, Yu Zhang

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

AI总结 研究针对生成式检索在推荐和广告系统中的问题，提出EGR框架，利用共享语言模型在同一嵌入空间学习项目与用户表示，经联合对比训练，在多场景评估中表现出色，提升了转化率，简化了系统设计。

Comments Accepted to RecSys 2026

Conan-embedding-v3: Fusing Modality-Specific Models for Omni-Modal Embedding

Conan-embedding-v3: 融合模态特定模型实现全模态嵌入

Shiyu Li, Zhiyuan Hu, Yifan Wang, Peiming Li, Zheng Wei, Yang Tang

机构 * Tencent（腾讯） 纠错

专题命中 向量检索 ：retriever(abstract)；分类 cs.AI

AI总结 提出解耦-融合-恢复框架，通过独立训练模态专家并融合任务向量，再使用投影器恢复和平衡多模态重演解决投影器漂移问题，实现单一骨干网络支持文本、图像、视频、文档和音频检索。

Decoupled Single-Mask Annotation Noise Detection via Cross-Sectional Patch Self-Consistency

通过横截面补丁自一致性进行解耦单掩码注释噪声检测

Yinheng Zhu, Xiaowei Xu

机构 * Tsinghua University（清华大学） ； Guangdong Provincial People’s Hospital（广东省人民医院） 纠错

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

AI总结 研究血管CT数据集单掩码注释噪声问题，提出利用横截面补丁自一致性的解耦框架检测噪声，通过采样、检索邻居及计算分数产生证据和质量图，实验验证其能提高训练鲁棒性并揭示注释偏差。

Comments 13 pages, 6 figures. Accepted by MICCAI 2026

Directory-Aware Query and Maintenance in Vector Databases

向量数据库中的目录感知查询与维护

Mengzhao Wang, Zheng Gong, Jingpei Hu, Jiajie Fu, Maojia Sheng, Junwen Chen, Yifan Zhu

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

AI总结 针对向量数据库缺乏层次目录语义的问题，提出目录语义查询(DSQ)和目录语义维护(DSM)算子，并评估三种实现策略，其中基于Trie的层次索引(TrieHI)通过树遍历实现高效递归检索并降低维护成本。

Ascend-RaBitQ: Heterogeneous NPU-CPU Acceleration of Billion-Scale Similarity Search with 1-bit Quantization

Ascend-RaBitQ: 1位量化支持十亿级相似性搜索的异构NPU-CPU加速

Fujun He, Chuyue Ye, Huaxiang Cai, Zetao Lv, Baolong Cui, Wenru Yan, Chao Zhan, Zigang Zhang, Hao Yi, Jie Xiang, Xiabing Li, Yuhang Gai, Ziyang Zhang, Pengfei Zheng, Yunfei Du

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

AI总结 本文提出Ascend-RaBitQ，通过异构NPU-CPU架构实现十亿级向量搜索，利用1位量化技术提升性能，解决传统CPU在大规模数据处理中的效率瓶颈。

ACRONYM: Accelerated Approximate Nearest Neighbor Search in Memory for Dynamic Vector Databases

ACRONYM: 面向动态向量数据库的加速内存近似最近邻搜索

Md Mizanur Rahaman Nayan, Tianqi Zhang, Flavio Ponzina, Tajana Rosing, Azad J Naeemi

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

AI总结 针对动态向量数据库频繁更新导致的索引重建问题，提出算法-硬件协同设计平台ACRONYM，利用与数据分布无关的编码和基于汉明距离的搜索实现高效硬件加速，支持连续更新，在百万级数据集上达到>90%召回率、8e6 QPS吞吐量。

Adapting Multilingual Embedding Models to Turkish via Cross-Lingual Tokenizer Surgery and Offline Distillation

通过跨语言分词器手术和离线蒸馏使多语言嵌入模型适应土耳其语

M. Ali Bayram, Banu Diri, Savaş Yıldırım

机构 * Yıldız Technical University（Yıldız技术大学） ； Istanbul Bilgi University（伊斯坦布尔比尔格大学） 纠错

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

AI总结 提出一种高效的三阶段适应流程，通过跨语言分词器优化、教师模型克隆和离线蒸馏，构建了土耳其语句子嵌入模型embeddingmagibu-200m，在STSbTR上超越教师模型，并在TR-MTEB上以更少参数达到竞争性能。

Comments 14 pages, 2 figures, 4 tables, Appendix included

LEMUR: Learned Multi-Vector Retrieval

LEMUR: 学习多向量检索

Elias Jääsaari, Ville Hyvönen, Teemu Roos

机构 * Department of Computer Science, University of Helsinki, Helsinki, Finland（赫尔辛基大学计算机科学系） 纠错

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

AI总结 LEMUR通过将多向量相似性搜索转化为监督学习问题，并利用现有单向量搜索索引加速检索，实现了高效的多向量相似性搜索，比现有方法快一个数量级。

Comments Accepted to ICML 2026

QuIVer: Rethinking ANN Graph Topology via Training-Free Binary Quantization

QuIVer：通过无训练二进制量化重新思考ANN图拓扑

Wenxuan Xiao, Zhiyou Wang, Chengcheng Li

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

AI总结 本文研究了二进制量化能否定义图拓扑本身，并提出了QuIVer，一个无需训练的ANN图索引，在2位Sign-Magnitude二进制量化度量空间中完成边选择、多样性剪枝和束搜索导航，揭示了二进制量化拓扑在不同数据集上的适用边界，提出了可验证的工业向量搜索系统在压缩、吞吐量和通用数据兼容性之间的不可能三角。

Comments 16 pages, 3 figures, 14 tables, 1 algorithm

Decoupling Vector Data and Index Storage for Space Efficiency

向量数据与索引存储解耦以提高空间效率

Yuanming Ren, Juncheng Zhang, Yanjing Ren, Rui Yang, Di Wu, Patrick P. C. Lee

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

AI总结 本文提出COMPASS框架，通过解耦向量数据与索引存储，利用不同组件的压缩特性减少存储空间，同时保持搜索和更新性能。

Granite Embedding Multilingual R2 Models

Granite嵌入多语言R2模型

Parul Awasthy, Aashka Trivedi, Yushu Yang, Ken Barker, Yulong Li, Bhavani Iyer, Martin Franz, Juergen Bross, Meet Doshi, Vignesh P, Vishwajeet Kumar, Todd Ward, Abraham Daniels, Madison Lee, Luis Lastras, Jaydeep Sen, Radu Florian

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

AI总结 本文提出多语言Granite嵌入R2模型，支持200多种语言和编程代码，提供32768token上下文窗口和最先进的多语言检索性能。

CCD-Level and Load-Aware Thread Orchestration for In-Memory Vector ANNS on Multi-Core CPUs

面向内存向量近似最近邻搜索的CCD级别和负载感知线程协调

Yuchen Huang, Baiteng Ma, Yiping Sun, Yang Shi, Xiao Chen, Xiaocheng Zhong, Zhiyong Wang, Yao Hu, Chuliang Weng

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

AI总结 本文提出一种基于CCD架构的线程协调框架，通过优化任务调度和负载平衡，提升多核CPU在内存向量搜索中的吞吐量和响应速度。

Comments Accepted by ICDE'26

HAGE: Harnessing Agentic Memory via RL-Driven Weighted Graph Evolution

HAGE: 通过RL驱动的加权图进化利用代理记忆

Dongming Jiang, Yi Li, Guanpeng Li, Qiannan Li, Bingzhe Li

机构 * Department of Computer Science, The University of Texas at Dallas（德克萨斯大学达拉斯分校计算机科学系） ； Department of Electrical and Computer Engineering, University of Florida（佛罗里达大学电气与计算机工程系） ； University of California, Davis（加州大学戴维斯分校） 纠错

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

AI总结 HAGE提出了一种加权多关系记忆框架，通过RL驱动的训练框架优化路由行为和边表示，提升长周期推理准确性和效率。

Sentra-Guard: A Real-Time Multilingual Defense Against Adversarial LLM Prompts

Sentra-Guard：一种实时多语言对抗对抗性LLM提示的防御系统

Md. Mehedi Hasan, Sk Tanzir Mehedi, Ziaur Rahman, Rafid Mostafiz, Md. Abir Hossain

专题命中 向量检索 ：retriever(abstract)；分类 cs.AI

AI总结 Sentra-Guard通过混合架构和分类器-检索器融合模块，实时检测并缓解针对大语言模型的劫持和提示注入攻击，实现多语言鲁棒性与高检测率。

Comments 11 pages, 5 figures. Preprint version under review in the area of Artificial Intelligence (cs.AI)

Geometric Analysis of Self-Supervised Vision Representations for Semantic Image Retrieval

视觉语义图像检索中自监督表示的几何分析

Esteban Rodríguez-Betancourt, Edgar Casasola-Murillo

机构 * Universidad de Costa Rica（哥斯达黎加大学） 纠错

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

AI总结 研究评估现代自监督学习方法在图像检索中的表现，发现高各向异性表示会损害基于分区和哈希的搜索性能，而更各向同性表示能提升语义检索效果。

Comments 8 pages, 3 figures, 7 tables

Matlas: A Semantic Search Engine for Mathematics

Matlas：数学语义搜索引擎

Haocheng Ju, Leheng Chen, Peihao Wu, Bryan Dai, Bin Dong

机构 * School of Mathematical Sciences, Peking University（北京大学数学科学学院） ； Beijing International Center for Mathematical Research, Peking University（北京大学北京国际数学研究中心） ； IQuest Research（IQuest研究） ； Beijing International Center for Mathematical Research and the New Cornerstone Science Laboratory, Peking University（北京大学北京国际数学研究中心和新基石科学实验室） ； Center for Machine Learning Research, Peking University（北京大学机器学习研究中心） ； Center for Intelligent Computing, Great Bay Institute for Advanced Study, Great Bay University（大亚湾先进研究所智能计算中心） ； Zhongguancun Academy（中关村学院） 纠错

专题命中 向量检索 ：knowledge retrieval(abstract)；分类 cs.IR

AI总结 Matlas通过构建大规模数学语义库，实现数学陈述的高效检索，提升数学家定理检索效率并为AI系统提供数学知识基础。

Comments Web Service: https://matlas.ai/, API Docs: https://matlas.ai/docs

KScaNN: Scalable Approximate Nearest Neighbor Search on Kunpeng

KScaNN: 在鲲鹏架构上可扩展的近似最近邻搜索

Oleg Senkevich, Siyang Xu, Tianyi Jiang, Alexander Radionov, Jan Tabaszewski, Dmitriy Malyshev, Zijian Li, Daihao Xue, Licheng Yu, Weidi Zeng, Meiling Wang, Xin Yao, Siyu Huang, Gleb Neshchetkin, Qiuling Pan, Yaoyao Fu

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

AI总结 本文提出KScaNN算法，针对ARM架构优化近似最近邻搜索，通过算法改进和硬件优化实现性能提升，实验显示比最佳x86方案快1.63倍。

Improving Search Suggestions for Alphanumeric Queries

提升字母数字查询的搜索建议

Samarth Agrawal, Jayanth Yetukuri, Diptesh Kanojia, Qunzhi Zhou, Zhe Wu

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

AI总结 本文提出一种无需训练的字符级检索框架，通过固定长度二进制向量编码字母数字序列，利用汉明距离高效计算相似性，并支持大规模标识符库的最近邻检索，同时通过编辑距离优化精度，适用于生产部署。

Comments Published in Advances in Information Retrieval, 48th European Conference on Information Retrieval, ECIR 2026

Embedding-Only Uplink for Onboard Retrieval Under Shift in Remote Sensing

仅嵌入式上行用于远程传感中的 onboard 检索位移

Sangcheol Sim

机构 * Telepix 纠错

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

AI总结 研究在远程传感位移下，仅嵌入式上行是否有效，通过对比不同任务的决策头性能，证明嵌入式上行是关键，且在不增加上行成本下可选择最佳头。

Comments Accepted at the Machine Learning for Remote Sensing (ML4RS) Workshop, ICLR 2026

STABLE: Efficient Hybrid Nearest Neighbor Search via Magnitude-Uniformity and Cardinality-Robustness

STABLE：通过幅度均匀性和基数鲁棒性实现高效的混合最近邻搜索

Qianyun Yang, Zhiwei Chen, Yupeng Hu, Zixu Li, Zhiheng Fu, Liqiang Nie

专题命中 向量检索 ：hybrid retrieval(abstract)；分类 cs.IR

AI总结 STABLE通过引入AUTO度量和HELP索引，解决相似性幅度异质性和属性基数鲁棒性问题，实现高效混合最近邻搜索。

Comments Accepted by IEEE TKDE

Making Array-Based Translation Practical for Modern, High-Performance Buffer Management

使基于数组的翻译在现代高性能缓冲管理中实用

Xinjing Zhou, Jinming Hu, Andrew Pavlo, Michael Stonebraker

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

AI总结 本文提出\calico，一种基于数组翻译的数据库管理系统缓冲池，通过多级翻译、洞 punching 和组预取技术，提升缓冲池在扫描、OLTP和向量搜索中的性能。

AfriMTEB and AfriE5: Benchmarking and Adapting Text Embedding Models for African Languages

AfriMTEB 和 AfriE5：为非洲语言构建和适应文本嵌入模型的基准测试

Kosei Uemura, Miaoran Zhang, David Ifeoluwa Adelani

机构 * University of Toronto（多伦多大学） ； Mila - Quebec AI Institute, McGill University（魁北克AI研究院，麦吉尔大学） ； Saarland University, Saarland Informatic Campus（萨尔兰大学，萨尔兰信息学院） ； Canada CIFAR AI Chair（加拿大CIFAR人工智能主席） 纠错

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

AI总结 本文提出 AfriMTEB 和 AfriE5，为非洲语言构建和适应文本嵌入模型的基准测试，通过引入新任务和跨语言对比蒸馏方法，提升了模型性能。

Comments Accepted to EACL 2026 (main conference)

Multi-Attribute Group Fairness in $k$-NN Queries on Vector Databases

多属性群体公平性在向量数据库上的k-NN查询

Thinh On, Senjuti Basu Roy, Baruch Schieber

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

AI总结 本文提出了一种多属性群体公平性框架，通过改进的LSH和整数线性规划算法，在向量数据库的k-NN查询中实现公平性与效率的平衡。