标签
本文提出 CourseChat，这是一个面向本科商科教育、本地部署的多课程 RAG 辅导系统，通过两台边缘 AI 主机上的 Ollama 本地大模型（LLM）服务，共享六门相互隔离的课程。模型对比测试表明，8B/12B/7B 规模的模型能够满足课堂速度要求，而更大规模的模型则无法达标，这支持了软硬件协同设计的方法，而非默认假设更大规模的模型就是最优选择。
本文研究了将 LLM 推理与密集检索器相结合、通过 ReAct 循环完成复杂检索任务的智能体式检索方法。实验表明，该方法在 nDCG@10 上比标准检索提升 8.7 分，并在 ViDoRe v3 和 BRIGHT 排行榜上展现出良好的泛化能力，但代价是每条查询平均耗时 107.4 秒、消耗 764K 输入 token。
本文研究 agentic RAG 评测中评估预算在问题数、搜索轨迹和重复读取之间的分配策略，通过 HotpotQA 和 MuSiQue 上的检索-反馈对比，发现更广的问题覆盖在固定 token 预算下能显著降低标准误差，并提出了预算分配的预测模型。
该推文盘点了 10 个用于让 AI 智能体为其输出提供可验证证据的开源 GitHub 项目，涵盖科学文献检索（OpenScholar、PaperQA2）、文档解析（Docling）、网络爬取（Crawl4AI）、RAG（RAGFlow、GraphRAG、LightRAG）、深度研究（Open Deep Research）以及事实核查与评估（DeepEval、Ragas），并重点展示了 Allen AI 的 OpenScholar 代码库。
该论文研究了在单语检索增强生成（RAG）中推理语言与查询/检索文档语言对齐的作用，构建了一个基于虚构桌游世界《The Dark Eye》的德语RAG问答测试集，发现对齐推理语言能提升表现，但仅能达到模型原生英语推理的水平。
本文将分拆保形（split-conformal）论断过滤方法应用于多跳RAG。结果表明，在95%的保形目标下，使用Llama 3.1 8B和GPT-4o-mini时，在HotpotQA、Natural Questions和TriviaQA上，论断全部有依据的回答比例提升至95.80%至97.20%——但代价是高弃答率和较低的论断保留率，说明可靠性的提升会以牺牲答案覆盖率为代价。
PathAnchor 是一个基于路径结构证据工作区的科学推理系统，通过 Material–Sensor–Signal–System 轨迹组织证据，在 120 个柔性传感器问题上以 82.6% 的得分领先六个基线系统，并显著提升来源召回率与引用完整性。
SeKondBrain AI Labs 推出了概念生命周期模型（Concept Lifecycle Model）与概念接地注意力（Concept-Grounded Attention），在问答基准上对图注入注意力、时间版本化与认知状态进行了评估。结果支持显式的时间有效性与认知状态标注，同时表明若干图注意力机制在受控对比中未能胜过关闭该机制的基线。
论文提出 SourceLearn 框架，帮助 AI 智能体在反复使用同一知识来源时持续积累可复用的源特定理解，而非每次都进行全新的检索任务。结果显示该方法在 15 个设置中 13 个取得最佳结果，最高较 Hybrid RAG 提升 22.6 分，且对检索缺失更鲁棒。
介绍 Jev 如何作为 RAG 管道中的“裁判”，在检索与生成之间评估候选段落的相关性、可回答性和潜在提示注入，并附上基于 Comet Opik 的开源 Jev-as-a-Judge 项目。
本文将基于SFIA的自由文本技能与责任级别抽取工作形式化，评估了五种策略：词法基线、结合大语言模型重排序的稠密检索、零样本模式约束的大语言模型、单智能体智能体式检索增强生成（RAG），以及由检索器、匹配器与验证器组成的三智能体协作团队。研究发现，显式的级别预测是关键因素，而多智能体团队虽增加了延迟，却并未带来准确率提升。
Sieve 与 Sage 是一个两阶段 RALM 拒答框架，通过轻量级的 Sieve 模块，在调用昂贵的 LLM（Sage）之前过滤干扰性的检索证据，并区分「不可答」与「被干扰」两种状态。相比单阶段基线，该方法在准确率上最高提升 69.4 个百分点、在 Macro-F1 上最高提升 55.2 个百分点，并实现了 1.99 倍的加速。
本文提出了 ARCagent，一种面向 ME/CFS 临床问答的自适应检索校准智能体，在该领域中诊断指南之间存在明显相互矛盾。论文贡献了一个具备冲突感知能力的检索重排序流水线以及一个 LLM-as-Judge 基准，达到了 95.3% 的准确率，优于基础大模型的表现。
本文提出了 LLM 引导的图剪枝（LLM-Guided Graph Pruning，LGP）框架，利用 LLM 推理来优化基于图的 ANN 索引（如 HNSW、DiskANN），通过剪除低价值邻居，解决了这些索引在构建方式与评估方式之间存在的几何—语义不匹配问题，并在端到端检索中超越了传统贪婪搜索与 LLM 重排序方法。
EvoDuet 提出了一种双层优化框架，在 LLM 参数固定的情况下协同进化解决方案与网络搜索查询，并通过检索门控决定何时获取新文档、何时复用已有文档。在 21 个任务上，它显著提升了 OpenEvolve 的归一化发现增益（例如在 Gemini-3.8-Flash 上从 61.3% 提升至 82.3%），在八个任务上超越了此前的最佳成绩，并在不同的进化搜索脚手架上表现出良好的泛化能力。
本文探讨了 RAG 系统中区分检索和生成失败的挑战，并探索了独立测量每个组件的实用方法。
研究人员推出名为 PageIndex 的全新 RAG 方案，无需向量数据库、嵌入或分块，而是构建树状索引让大模型像人类读书一样检索，在 FinanceBench 上以 98.7% 的准确率超越所有向量 RAG 方法，且完全免费开源。
本文提出TRACE，这是一个用于检索增强生成（RAG）的微调框架，它使用多智能体辩论轨迹和答案完整性正则化来处理知识冲突，从而提高对误导性上下文的鲁棒性并减少不完整答案。
研究人员引入了PageIndex，一种新颖的RAG方法，消除了对向量数据库、嵌入和分块的依赖，在FinanceBench上达到98.7%的准确率，优于现有方法，且免费开源。
本文介绍了LogicTree-RAG，一种用于自动化长篇专利起草的逻辑树引导检索增强生成框架，与现有方法相比，提高了内容质量和令牌效率。