返回主题地图

检索增强

技术方向 · 用外部知识约束模型输出的检索增强生成，含向量嵌入与重排序 · 共 258 条

只展示置信度达到公开门槛且每篇排名前三的主题标签，降低泛化误贴。

9月5日周六 · 2 条
正文结构化主题已通过公开置信门槛
MIT Technology Review AI观点

AI 时代的内存与存储架构设计

本文由 Micron 赞助，探讨 AI 推理时代对内存和存储架构的新要求。文章指出，AI 推理工作负载多样且对延迟敏感，数据移动成为新瓶颈，企业需将数据中心视为集成系统，统筹计算、内存、存储和网络。Tirias Research 分析师 Jim McGregor 强调，优化整个网络和了解工作负载至关重要，内存和存储应从后台硬件提升为战略资产。

正文结构化主题已通过公开置信门槛
AWS Machine Learning Blog一手来源教程

利用 Amazon Textract 定制 Bedrock 知识库处理复杂文档

AWS 机器学习博客介绍了一种结合 Amazon Bedrock 与 Amazon Textract 的解决方案，用于处理大型复杂文档（如水电费账单）。该方案通过 Textract 的高精度文本提取和 Bedrock 的生成式 AI 能力，解决了传统 RAG 方法在解析多格式文档时出现的信息缺失和幻觉问题。文章详细说明了支持的文档类型、解决方案架构及部署步骤

9月4日周五 · 7 条
正文结构化主题已通过公开置信门槛
arXiv cs.LG一手来源研究

现代Transformer是隐式混合体：从功能分化到原则性混合架构设计

该研究通过干预式指标RFIS和RPD，揭示了基于RoPE的Transformer中头部功能分化为检索型和位置型两类，并识别出全局位置带（GPBand）作为功能边界。基于此提出设计原则，并实例化为头部级混合架构（HwH），采用无位置编码的全注意力进行全局检索、线性注意力进行局部位置建模。实验表明，HwH在保持语言建模和常识推理能力的同时，提升了检索性能，并显著

正文结构化主题已通过公开置信门槛
arXiv cs.IR一手来源研究

Reflect-SQL：基于自反思的 Text-to-SQL 框架

arXiv 论文提出 Reflect-SQL，一种基于多阶段自反思的 Text-to-SQL 框架，通过知识库、反馈驱动的检索循环和迭代 SQL 合成循环，解决企业级数据库模式晦涩、检索低效和 SQL 逻辑错误等问题。在 BIRD 基准上，该框架执行准确率达 72.03%，比现有最优方法提升 11.05%，展示了在复杂企业应用中的可靠性。

正文结构化主题已通过公开置信门槛
arXiv cs.IR一手来源研究

DoPR：可复用压缩文档前缀实现高效 LLM 重排序

arXiv 论文提出 DoPR 框架，通过离线压缩文档前缀并在在线重排序中复用，减少 LLM 点式重排序的冗余计算。在 TREC DL、BEIR 和 BRIGHT 基准上，使用 Qwen3 模型（0.6B 至 8B）测试，实现了最高 8.0 倍的在线文档侧内存减少和 8.04 倍延迟加速，同时保留全文档重排序器平均 NDCG@10 的 97.1%-99.5%

正文结构化主题已通过公开置信门槛
arXiv cs.CL一手来源研究

R2Adapter：面向高效混合RAG的路由与重写适配器

中国科学院计算技术研究所等机构的研究人员提出了R2Adapter，一种轻量级即插即用的路由与重写适配器，用于在混合RAG系统中动态分配查询，在简单查询上使用vanilla RAG，在复杂多跳查询上使用graph-based RAG。R2Adapter通过训练低成本路由器避免依赖LLM进行路由，并对低置信度的图路由查询进行重写以提升检索质量。实验表明，R2Ad

正文结构化主题已通过公开置信门槛
arXiv cs.CL一手来源研究

有界人设在分类任务上匹配检索，但在回归任务上不及

本文提出 PersonaLink，一种无需训练的方法，将用户历史蒸馏为有界的三字段人设，并通过递归自评优化。在 LaMP-2 新闻分类任务上，其准确率与 BM25 检索相当；但在 LaMP-3 产品评分回归任务上，检索显著更强。研究发现，蒸馏人设仅在分类任务上可替代检索，且递归优化在第一轮后趋于饱和。

正文结构化主题已通过公开置信门槛
arXiv cs.IR一手来源研究

CHSR-RRF：面向教育RAG的课程门控混合检索框架与泄漏感知基准

CHSR-RRF 是一个面向教育领域 RAG 的课程门控混合检索框架，在检索前应用元数据约束，结合稀疏与稠密检索及倒数排名融合，以减少课程泄漏。作者还提出了 CERB 基准（126 个案例），实验显示预检索门控将泄漏率降低 4.6 倍，而检索后过滤会导致召回率归零。研究表明教育检索应视为约束选择问题，在候选池构建时强制有效性。

正文结构化主题已通过公开置信门槛
AWS Machine Learning Blog一手来源教程

使用 Cognito 用户认证嵌入 QuickSight 可视化

AWS 发布了一篇技术博客，介绍如何通过 Amazon Cognito 用户认证将 Amazon QuickSight 的单个可视化嵌入到 React 应用中。该方案采用无服务器架构，包括 React 前端、Cognito 认证、API Gateway 和 Lambda 后端，以及 QuickSight 分析层。Lambda 函数负责同步用户并生成限时嵌入

9月3日周四 · 8 条
正文结构化主题已通过公开置信门槛
Hugging Face New and Trending Models一手来源模型发布

LFM2.5-Embedding-350M 模型发布 React Native ExecuTorch 版本

Hugging Face 发布了 LFM2.5-Embedding-350M 模型的 React Native ExecuTorch 版本，支持 XNNPACK 和 MLX 两种后端，分别适用于 Android/通用 CPU 和 Apple Silicon GPU。该模型为双向混合架构，输出 1024 维归一化嵌入，使用余弦相似度，并建议在检索时使用 'qu

正文结构化主题已通过公开置信门槛
Hugging Face New and Trending Models一手来源模型发布

CodeFuse 发布 F2LLM-v2 多语言嵌入模型系列

CodeFuse AI 发布了 F2LLM-v2 系列多语言嵌入模型，包含从 80M 到 14B 的 8 种尺寸，支持超过 200 种语言。该系列模型基于 6000 万条公开高质量数据训练，并完全开源，包括基础模型、指令模型、训练数据和代码。F2LLM-v2 在多个 MTEB 基准上取得了新的最先进性能，特别关注中低资源语言。

正文结构化主题已通过公开置信门槛
InfoQ AI ML and Data Engineering模型发布

Cohere 发布 Parse 5 多模态模型，提升复杂文档信息提取效率

Cohere 于 2026 年 8 月 27 日发布了 Parse 5，一个 23 亿参数的多模态视觉语言模型，旨在从复杂企业文档（如 PDF）中提取结构化数据并转换为 Markdown，同时提供边界框坐标用于视觉定位。该模型基于开源的 North-Micro-Vision-Instruct 架构，在 ParseBench 基准上平均得分 79.2，优于 M

正文结构化主题已通过公开置信门槛
arXiv cs.CL一手来源研究

证据充分性边界训练：面向多跳问答的选择性回答方法

该研究提出证据充分性边界训练框架，用于多跳问答中的选择性回答。框架构建四级证据链，训练模型在证据不足时输出 ，证据充分时给出答案。基于Qwen2.5-3B-Instruct的实验显示，该方法在边界定位和外部不可回答集上的无支撑回答率均优于基线，同时保持竞争性的QA F1分数。

正文结构化主题已通过公开置信门槛
arXiv cs.IR一手来源研究

Skim and Skip：高效多模态检索的分层自适应推理框架

清华大学、微软和上海交通大学的研究者提出了 Skim and Skip (SAS) 框架，用于提升多模态检索的效率。该框架通过基于 [EOS] 的 token 级信息选择和自适应深度推理，在 12 个 MMEB 检索任务上保留了约 99% 的密集基线性能，同时实现了最高 1.64 倍的端到端加速和 66.3% 的 FLOPs 减少。

正文结构化主题已通过公开置信门槛
arXiv cs.CL一手来源研究

PRO-Step：面向检索增强生成的步骤级过程奖励优化

PRO-Step 提出了一种面向检索增强生成（RAG）的步骤级过程奖励优化框架，通过训练生成式过程奖励模型（PRM）同时评估每一步的逻辑有效性和证据支撑，并利用 PRM 引导的价值树搜索构建偏好对，结合步骤级直接偏好优化（DPO）来训练策略模型。实验表明，该方法在五个单跳和多跳问答基准上取得了最佳的平均 EM 和 F1 分数，代码、模型和训练数据已公开。

正文结构化主题已通过公开置信门槛
arXiv cs.IR一手来源研究

DocuSearch：结合知识图谱扩展与逐块接地评估的混合 RAG 企业文档搜索

DocuSearch 是一个面向企业文档搜索的混合检索增强生成系统，在电信网络运维环境中开发并评估。它结合了基于 Qdrant 的语义搜索、基于 SQLite FTS5 的 BM25 全文搜索以及知识图谱邻居扩展，通过加权 RRF 融合，并采用交叉编码器重排序和 MMR 进行选择。其核心创新是逐块智能体评估循环，用于验证上下文充分性和答案接地性，未接地的答案

正文结构化主题已通过公开置信门槛
AWS Machine Learning Blog一手来源产品发布

AWS 生成式 AI 助力支持运营现代化与扩展

AWS 机器学习博客发布文章，介绍如何利用生成式 AI 现代化和扩展支持运营。该方案通过从培训视频自动生成标准操作程序（SOP），应用检索增强生成（RAG）指导工单解决，并使用机器学习优化工作负载分配和预测 SLA 风险，同时通过代理工作流自动化工单标记、评论和状态更新，并保持人工参与以确保准确性。文章通过实际用例展示了架构，并指出该方案可适用于金融、医疗、

9月2日周三 · 3 条
正文结构化主题已通过公开置信门槛
arXiv cs.IR一手来源研究

闭式与合成孪生：从嵌入统计预测近似最近邻召回率

本文提出从嵌入统计量预测近似最近邻索引召回率的方法，包括闭式矩统计、合成孪生语料库模拟和轻校准孪生技术，预测误差在0.03以内。研究还发现可通过训练调整得分边际来提升所有索引族的召回率，从而避免逐语料库的变换。该方法支持索引选择、纠错定价和生产召回预测，适用于持续变化的语料库。

正文结构化主题已通过公开置信门槛
arXiv cs.IR一手来源研究

MUSES：前瞻性知识根源检索基准

MUSES 是一个面向前瞻性知识根源检索的百万级基准，基于 2.33M 篇论文语料，包含约 14 万测试实例，按熟悉度分为三层。配套的 CiteRoots 框架提供修辞层和作者认可层，其中作者认可层包含 753 篇焦点论文的 1518 对生成灵感对。实验表明，基于 SPECTER2 的多质心检索器表现最佳，但性能随难度下降，且修辞角色与作者认可存在差异。该基

正文结构化主题已通过公开置信门槛