RAG / 检索增强生成

SeedER: Seed-and-Expand Retrieval from Knowledge Graphs

SeedER: 基于种子扩展的知识图谱检索

Hamed Shirzad, Frederik Wenkel, Dominique Beaini, Danica J. Sutherland, Emmanuel Noutahi

机构 * Valence Labs, Montréal, QC, Canada（Valence实验室，加拿大魁北克省蒙特利尔） ； University of British Columbia, Department of Computer Science, Vancouver, BC, Canada（不列颠哥伦比亚大学计算机科学系，加拿大不列颠哥伦比亚省温哥华） 纠错

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

AI总结 提出SeedER框架，通过轻量级种子节点选取和图感知策略的强化学习迭代扩展，高效检索知识图谱中与查询相关的节点，在组合泛化和图约束子模优化上具有优势。

Search Self-play: Pushing the Frontier of Agent Capability without Supervision

搜索自play：在无监督条件下推动智能体能力的前沿

Hongliang Lu, Yuhang Wen, Pengyu Cheng, Ruijin Ding, Jiaqi Guo, Haotian Xu, Chutian Wang, Haonan Chen, Xiaoxi Jiang, Guanjun Jiang

机构 * Qwen Large Model Application Team, Alibaba（阿里巴巴文勤大模型应用团队） 纠错

专题命中 检索器与排序 ：RAG(abstract,abstract_cn)

AI总结 本文提出了一种基于自play的深度搜索智能体训练方法，通过自动生成任务和解决任务来提升智能体在无监督条件下的性能，无需外部监督。

Comments Published as a conference paper at the Fourteenth International Conference on Learning Representations (ICLR 2026)

SD-Search: On-Policy Hindsight Self-Distillation for Search-Augmented Reasoning

SD-Search: 用于搜索增强推理的在线策略 hindsight 自监督学习

Yufei Ma, Zihan Liang, Ben Chen, Zhipeng Qian, Huangyu Dai, Lingtao Mao, Xuxin Zhang, Chenyi Lei, Wenwu Ou

机构 * Kuaishou Technology（快手科技） 纠错

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

AI总结 本文提出SD-Search，一种基于在线策略hindsight自监督学习的搜索增强推理方法，通过自身策略生成细粒度监督信号，无需外部教师模型或额外标注。

DeepSlide: From Artifacts to Presentation Delivery

DeepSlide：从瑕疵到演示交付

Ming Yang, Zhiwei Zhang, Jiahang Li, Haoseng Liu, Yuzheng Cai, Weiguo Zheng

机构 * School of Data Science, Fudan University（复旦大学数据科学学院） 纠错

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

AI总结 DeepSlide是一种人机协同的多智能体系统，旨在优化演示全过程，从需求获取到脚本生成，提升演示的动态表现力和叙事流畅性。

Comments 37 pages,10 figures,9 tables

Rethinking Agentic Search with Pi-Serini: Is Lexical Retrieval Sufficient?

重新思考Pi-Serini中的代理搜索：词汇检索是否足够？

Tz-Huan Hsu, Jheng-Hong Yang, Jimmy Lin

机构 * University of Waterloo（滑铁卢大学） ； Stencilzeit University of Waterloo（斯泰尔齐特大学） 纠错

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

AI总结 本文探讨了在代理循环中，随着LLM能力提升，词汇检索是否足够。通过结合BM25与前沿LLM，引入Pi-Serini搜索代理，展示其在BrowseComp-Plus上优于现有检索代理的性能。

Comments 15 pages, 4 figures

Benchmarking Complex Multimodal Document Processing Pipelines: A Unified Evaluation Framework for Enterprise AI

复杂多模态文档处理流水线评估：面向企业AI的统一评估框架

Saurabh K. Singh, Sachin Raj

机构 * Oracle（Oracle公司） ； Independent（独立） 纠错

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

AI总结 本文提出EnterpriseDocBench评估框架，评估企业文档AI流水线的各阶段性能，发现混合检索优于BM25，但生成质量不足，揭示了各阶段间弱相关性及实际部署中准确性与完整性之间的差距。

Comments 16 pages, 4 tables. Code, metrics, and pilot data to be released upon publication

Improving Robustness of Tabular Retrieval via Representational Stability

通过表征稳定性提升表格检索的鲁棒性

Kushal Raj Bhandari, Adarsh Singh, Jianxi Gao, Soham Dan, Vivek Gupta

机构 * Department of Computer Science Rensselaer Polytechnic Institute（罗切斯特理工学院计算机科学系） ； Department of Computer Science Arizona State University（亚利桑那州立大学计算机科学系） ； ScaleAI 纠错

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

AI总结 本文通过表征稳定性方法解决表格检索中不同序列化方式导致的嵌入差异问题，利用中心点平均抑制格式特定变化，提升检索鲁棒性。

Association Is Not Similarity: Learning Corpus-Specific Associations for Multi-Hop Retrieval

关联并非相似性：为多跳检索学习语料特定的关联

Jason Dury

机构 * Independent Researcher（独立研究者） 纠错

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

AI总结 本文提出AAR方法，通过对比学习在嵌入空间中学习语料特定的关联关系，提升多跳检索的召回率，且无需评估集调优。

Comments 10 pages, 7 appendices, 10 tables. Code: https://github.com/EridosAI/AAR

SPIRE: Structure-Preserving Interpretable Retrieval of Evidence

SPIRE：结构保持的可解释证据检索

Mike Rainey, Umut Acar, Muhammed Sezer

机构 * Carnegie Mellon University（卡内基梅隆大学） 纠错

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

AI总结 SPIRE通过树结构文档检索，在保持结构的同时提升证据检索质量与多样性，采用结构感知方法和上下文化机制，实现更高效的可解释检索。

SkillGraph: Graph Foundation Priors for LLM Agent Tool Sequence Recommendation

SkillGraph：用于LLM代理工具序列推荐的图基础先验

Hao Liu, Dongyu Li

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

AI总结 本文提出SkillGraph，通过挖掘49831条成功轨迹构建有向加权执行过渡图，用于LLM代理工具选择与排序。提出的两阶段框架在ToolBench和API-Bank上取得显著提升。

Structural Verification for Reliable EDA Code Generation without Tool-in-the-Loop Debugging

结构验证用于无需工具在回路调试的可靠EDA代码生成

Dinithi Jayasuriya, Aravind Saravanan, Nilesh Ahuja, Amanda Rios, Amit Trivedi

专题命中 检索器与排序 ：RAG(abstract,abstract_cn)

AI总结 本文提出通过强制执行结构正确性来提高EDA代码生成的可靠性与效率，采用结构依赖图作为显式执行合同，并通过验证引导合成框架进行图条件检索、约束生成和分阶段预执行验证，从而在单步和多步任务中显著提升通过率。

Spectral Tempering for Embedding Compression in Dense Passage Retrieval

光谱温控用于密集路径检索中的嵌入压缩

Yongkang Li, Panagiotis Eustratiadis, Evangelos Kanoulas

机构 * University of Amsterdam（阿姆斯特丹大学） 纠错

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

AI总结 本文提出Spectral Tempering方法，通过分析语料库的光谱特性，自适应调整光谱缩放参数γ，实现高效的嵌入压缩，无需标注数据或验证搜索。

Comments This paper has been accepted as a short paper at SIGIR 2026

AgentIAD: Agentic Industrial Anomaly Detection via Adaptive Memory Augmentation

AgentIAD: 通过自适应记忆增强的代理工业异常检测

Junwen Miao, Penghui Du, Yingying Fan, Yi Liu, Yu Wang, Runze He, Lida Huang, Yan Wang

机构 * AIR, Tsinghua University（清华大学AIR） ； Etude AI ； Stony Brook University（石溪大学） 纠错

专题命中 检索器与排序 ：retriever(abstract,abstract_cn)

AI总结 本文提出AgentIAD框架，通过统一的动作空间实现迭代工业检测，利用视觉记忆和检索记忆进行多轮感知-行动推理，提升异常检测准确性和可解释性。

UI-Copilot: Advancing Long-Horizon GUI Automation via Tool-Integrated Policy Optimization

UI-Copilot: 通过工具集成策略优化推进长周期GUI自动化

Zhengxi Lu, Fei Tang, Guangyi Liu, Kaitao Song, Xu Tan, Jin Ma, Wenqi Zhang, Weiming Lu, Jun Xiao, Yueting Zhuang, Yongliang Shen

机构 * Zhejiang University（浙江大学） ； Apple（苹果公司） ； Tencent（腾讯） 纠错

专题命中 检索器与排序 ：retriever(abstract,abstract_cn)

AI总结 本文提出UI-Copilot框架，通过分离持久观察与临时执行上下文实现内存解耦，结合工具集成策略优化提升长周期GUI任务性能，实验显示其在MemGUI-Bench和AndroidWorld上均优于现有模型。

Robustness Risk of Conversational Retrieval: Identifying and Mitigating Noise Sensitivity in Qwen3-Embedding Model

对话检索的鲁棒性风险：识别和缓解Qwen3-嵌入模型中的噪声敏感性

Weishu Chen, Zhouhui Hou, Mingjie Zhan, Zhicheng Zhao, Fei Su

机构 * Beijing University of Posts and Telecommunications（北京邮电大学） ； SenseTime（商汤科技） ； Beijing Key Laboratory of Network System and Network Culture（网络系统与网络文化北京市重点实验室） 纠错

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

AI总结 研究探讨了基于嵌入的对话检索在现实场景中的鲁棒性问题，发现未提示查询时，结构化对话噪声易被检索，影响排名稳定性，提出轻量级查询提示可缓解此问题。

Designing Around Stigma: Human-Centered LLMs for Menstrual Health

绕过污名：面向月经健康的人本LLM

Amna Shahnawaz, Ayesha Shafique, Ding Wang, Maryam Mustafa

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

AI总结 本文提出基于WhatsApp的聊天机器人，利用大语言模型和检索增强生成技术，为巴基斯坦女性提供月经健康教育，解决文化禁忌和课程不足问题，贡献了文化敏感的对话AI设计框架。

Comments This is accepted at CHI 2026

Reimagining RAN Automation in 6G: An Agentic AI Framework with Hierarchical Online Decision Transformer

重新构想6G中的RAN自动化：一种带有分层在线决策变压器的代理AI框架

Md Arafat Habib, Medhat Elsayed, Majid Bavand, Pedro Enrique Iturria Rivera, Yigit Ozcan, Melike Erol-Kantarci

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

AI总结 本文提出了一种基于代理AI的无线网络框架，利用分层在线决策变压器协调多个代理，实现资源分配、网络应用编排和自愈功能，提升网络性能和能效。

Comments Paper currently under review (IEEE TNSE). Contents of this work may change at any time without notice. This is the author's preliminary version

APITestGenie: Generating Web API Tests from Requirements and API Specifications with LLMs

APITestGenie: 从需求和API规范生成Web API测试

André Pereira, Bruno Lima, João Pascoal Faria

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

AI总结 本文提出APITestGenie工具，利用LLM、RAG和提示工程从业务需求和OpenAPI规范自动生成API测试，测试覆盖率达89%，发现API缺陷，提升测试与需求的一致性。

Journal ref 7th ACM/IEEE International Conference on Automation of Software Test (AST 2026)

MA-SAPO: Multi-Agent Reasoning for Score-Aware Prompt Optimization

MA-SAPO：多智能体推理用于评分感知提示优化

Wonduk Seo, Juhyeon Lee, Junseo Koh, Wonseok Choi, Hyunjin An, Jian Park, Seunghyun lee, Haihua Chen, Yi Bu

机构 * Enhans ； Peking University（北京大学） ； Fudan University（复旦大学） ； University of North Texas（北德克萨斯大学） 纠错

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

AI总结 本文提出MA-SAPO框架，通过多智能体推理将评估结果与针对性改进联系起来，提升提示优化的可解释性和可控性，实验表明其在多个评估指标上优于现有方法。

Comments Preprint

LITTA: Late-Interaction and Test-Time Alignment for Visually-Grounded Multimodal Retrieval

LITTA：晚期交互与测试时对齐用于视觉接地多模态检索

Seonok Kim

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

AI总结 LITTA通过查询扩展提升多模态文档检索，利用晚期交互评分和反向排名融合提高检索鲁棒性，适用于计算机科学、制药和工业手册等多领域。

Boosting LLMs for Mutation Generation

提升LLM用于变异生成

Bo Wang, Ming Deng, Mingda Chen, Chengran Yang, Youfang Lin, Mark Harman, Mike Papadakis, Jie M. Zhang

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

AI总结 本文提出SMART方法，通过整合检索增强生成、代码片段分割和监督微调，提升变异生成的有效性和效率，实验显示其在变异有效性、非重复率和可编译率等方面均有显著提升。

Comments to be published in the collection of FSE 2026

Retrieval-Guided Photovoltaic Inventory Estimation from Satellite Imagery for Distribution Grid Planning

基于卫星图像的检索引导光伏库存估计用于配电网规划

Muhao Guo, Lihao Mai, Erik Blasch, Jafarali Parol, Turki Rakan, Yang Weng

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

AI总结 本文提出Solar-RAG框架，通过图像检索与多模态视觉语言推理结合，提升光伏部署估计的鲁棒性，减少配电网规划中的电压偏差和承载能力误差。

Comments 38 pages, 15 figures

KeySG: Hierarchical Keyframe-Based 3D Scene Graphs

KeySG：基于关键帧的层次化3D场景图

Abdelrhman Werby, Dennis Rotondi, Fabio Scaparro, Kai O. Arras

机构 * Socially Intelligent Robotics Lab, Institute for Artificial Intelligence University of Stuttgart, Germany（社会智能机器人实验室，人工智能研究所，斯图加特大学，德国） 纠错

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

AI总结 KeySG通过层次化3D场景图结构，结合关键帧提取多模态信息，提升复杂环境中的语义推理与规划能力，优于现有方法。

Comments Code and video are available at https://keysg-lab.github.io/

Enterprise Sales Copilot: Enabling Real-Time AI Support with Automatic Information Retrieval in Live Sales Calls

企业销售助手：通过自动信息检索实现实时AI支持的现场销售通话

Jielin Qiu, Liangwei Yang, Ming Zhu, Wenting Zhao, Zhiwei Liu, Juntao Tan, Zixiang Chen, Roshan Ram, Akshara Prabhakar, Rithesh Murthy, Shelby Heinecke, Caiming Xiong, Silvio Savarese, Huan Wang

机构 * Salesforce AI Research（Salesforce AI研究院） 纠错

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

AI总结 本文提出SalesCopilot，通过实时AI助手自动检测客户问题并检索产品数据库信息，提升销售效率。系统在保险销售场景中实现2.8秒响应，比手动搜索快14倍。

CyberJustice Tutor: An Agentic AI Framework for Cybersecurity Learning via Think-Plan-Act Reasoning and Pedagogical Scaffolding

网络正义导师：一种基于思考-计划-行动推理和教学支架的AI框架，用于网络安全学习

Baiqiang Wang, Yan Bai, Juan Li

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

AI总结 本文提出CyberJustice Tutor，通过Think-Plan-Act推理和教学支架框架，解决传统聊天机器人在网络安全教育中的局限性，验证了其在专业教育中的有效性。

RESCUE: Retrieval Augmented Secure Code Generation

RESCUE：检索增强型安全代码生成

Jiahao Shi, Tianyi Zhang

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

AI总结 RESCUE通过构建混合知识库和分层多维检索提升安全代码生成，实验显示其在SecurePass@1指标上平均提升4.8点，达到新水平。

Comments Accepted to ICLR'2026

Developing and evaluating a chatbot to support maternal health care

开发和评估一个支持产科保健的聊天机器人

Smriti Jha, Vidhi Jain, Jianyu Xu, Grace Liu, Sowmya Ramesh, Jitender Nagpal, Gretchen Chapman, Benjamin Bellows, Siddhartha Goyal, Aarti Singh, Bryan Wilder

机构 * Carnegie Mellon University（卡内基梅隆大学） ； Population Council Institute（人口理事会研究所） ； Sitaram Bhartia Institute of Science and Research（西塔拉姆·巴提亚科学与研究研究所） ； Nivi, Inc.（Nivi公司） 纠错

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

AI总结 本文开发了一个印度产科保健聊天机器人，结合分阶段分诊、混合检索和证据引导生成，通过多方法评估验证了多语言噪声环境下医疗助手的可靠性。

Comments 17 pages; submitted to IJCAI 2026 AI and Social Good Track

Structured Distillation for Personalized Agent Memory: 11x Token Reduction with Retrieval Preservation

结构化蒸馏用于个性化代理记忆：11倍token减少并保持检索能力

Sydney Lewis

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

AI总结 本文提出一种结构化蒸馏方法，将用户与代理的对话历史压缩至38个token，实现11倍压缩，同时保持检索性能，通过实验验证了压缩后检索质量的可靠性。

Comments 6 figures. Code: https://github.com/Process-Point-Technologies-Corporation/searchat

Towards AI Search Paradigm

迈向人工智能搜索范式

Yuchen Li, Hengyi Cai, Rui Kong, Xinran Chen, Jiamin Chen, Jun Yang, Haojie Zhang, Jiayi Li, Jiayi Wu, Yiqun Chen, Changle Qu, Wenwen Ye, Lixin Su, Xinyu Ma, Lingyong Yan, Long Xia, Daiting Shi, Junfeng Wang, Xiangyu Zhao, Jiashu Zhao, Haoyi Xiong, Shuaiqiang Wang, Dawei Yin

机构 * Baidu Search（百度搜索） 纠错

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

AI总结 本文提出AI搜索范式，通过四个LLM驱动代理动态适应各类信息需求，结合任务规划、工具集成和高效推理方法，构建可信赖、适应性强的下一代搜索系统。

Multi-Agentic AI for Conflict-Aware rApp Policy Orchestration in Open RAN

多智能体AI用于冲突感知的rApp策略编排在开放RAN中

Haiyuan Li, Yulei Wu, Dimitra Simeonidou

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

AI总结 本文提出多智能体AI框架，用于实现开放RAN中冲突感知的rApp策略自动生成与编排，实验表明其在部署准确性和推理成本上有显著提升。