标签
MCite-RL 是一种引用增强的智能体强化学习框架，专为可靠的多模态RAG设计，引入了用于视觉引用的迭代检索和推理，以及一种奖励机制来联合优化答案准确性和来源可追溯性。
介绍了QIMG-7，一个针对事实QA中多模态检索污染的基准测试，并提出了源感知信任解析方案（SATR），一种无需训练的方法，相比朴素融合提高了鲁棒性。
介绍了MODE-RAG，一个多智能体系统，利用变分自由能和蒙特卡洛树搜索动态门控干预，以减轻多模态检索增强生成系统中的幻觉，同时提供了ModeVent评估数据集。
MM-BizRAG 是一个面向企业问答的多模态检索增强生成系统，通过文档结构感知分割和版式感知解析，在异构企业文档上的表现比以视觉为中心的基线方法最高提升 32%。该论文还提出了 FastRAGEval——一种基于 LLM 的高效评估指标，其与人类判断的对齐程度优于 RAGChecker，且成本更低。
本文介绍了GranuVistaVQA，一个带有元素级注释的多模态基准，以及GranuRAG，一个将视觉元素视为可验证多模态RAG的一等检索单元的框架，相较于基线实现了高达29.2%的提升。
本文介绍了KITE，一个基于检索增强生成（RAG）的智能辅导系统，用于AI教育中的算法推理和问题求解。该系统采用意图感知的苏格拉底式回应策略和多模态RAG，提供基于课程内容、符合教学法的反馈，并通过指标评估、专家评审和模拟学生交互进行评价。