跳到正文

#RAG

今日 3 条
10月1日周四
  1. arXiv cs.LG46

    Mara Chain：将失败作为 AI 系统自动进化的垫脚石

    研究人员提出 Mara Chain 优化流程，通过保留未入选的候选方案并结合累积证据迭代精炼，推动 AI 系统自动进化。在 AppWorld 上，其相对 GEPA 等基线性能最高提升 20.5%，且 rollout 减少 65.5%；在 TerminalBench 2.1 上通过率较 AHE 和 Meta-Harness 分别提高 20.2 与 22.5 个百分点。

  2. arXiv cs.AI34

    BRIDGE：双层检索信用感知智能体强化学习

    研究人员提出智能体强化学习方法 BRIDGE，将检索增强的 ARL 建模为双层优化问题，以解决检索器与大语言模型联合训练中的信用分配差距。在 7 个开放域 QA 基准上，BRIDGE 基于 3B 和 7B 基座模型均取得最高平均准确率，多跳任务平均表现较最强 baseline 分别提升 9.6 和 3.4 个 EM 点。此外，该方法在医学 QA 基准上也取得了最佳的平均答案准确率与推理质量。

  3. arXiv cs.AI35

    ARCagent：面向临床问答的自适应检索校准智能体

    研究人员提出面向临床问答的自适应检索校准智能体 ARCagent，专门解决临床指南存在冲突与不完整时的问答安全问题。该系统构建了包含 1,706 个 chunk、涵盖 10 个数据源且带有冲突注册表的 ME/CFS 知识库，并利用查询焦点与冲突信号动态重排证据。在 LLM-as-Judge 评测中，ARCagent 取得 95.3% 的成绩，超越所有基线 LLM，代码已开源。

  4. arXiv cs.AI33

    基于 LLM 引导剪枝优化近似最近邻图索引

    研究人员提出 LLM 引导图剪枝框架 LGP，利用 LLM 推理直接优化近似最近邻（ANN）图索引，解决几何结构与语义相关性不匹配的问题。该方法将低价值邻居替换为 LLM 挑选的语义节点，同时保留原始图的稀疏性与导航效率。实验显示，LGP 在 DiskANN 和 HNSW 索引上的表现均一致优于基础贪婪搜索与 LLM 重排序。

  5. arXiv cs.AI37

    PILLAR：面向增强检索的私有倒排索引词法查找系统

    研究者提出基于私有信息检索（PIR）的隐私保护 RAG 系统 PILLAR，使客户端在服务器完全不获知查询词与访问模式的前提下完成相似文档检索。该系统采用两阶段混合检索，先通过预计算 BM25 分数的稀疏阶段过滤候选，再获取候选嵌入向量在本地重排。团队设计的单轮协议 PILLAR-Bin 与树遍历协议 PILLAR-Tree，均以低于现有 SOTA 方案的延迟实现高效检索。

  6. arXiv stat.ML34

    GNA：面向检索增强多元时间序列预测的细粒度邻居装配层

    GNA（Granular Neighbor Assembly）是一种面向多元时间序列预测的检索层，通过整合整窗与逐变量双粒度历史邻居辅助推断。该方法采用严格因果检索，并利用可学习门控动态权衡主干预测、检索未来与持续性预测。实验显示，GNA 在 96 个设置中的 85 个提升了两个 Transformer 主干的表现，并在 12 个标准基准中的 8 个取得最低 MSE。

9月30日周三
9月18日周五
  1. GitHub Blog · AI & ML49

    GitHub 探讨：该读 AI 代码吗？RAG 死了吗？Skills 取代了 MCP 吗？

    GitHub 在播客中剖析了多项 AI 热门争议，指出开发者仍须对 AI 生成代码负责，且 RAG 并没有消亡，Skills 也未取代 MCP。MCP 为 AI 智能体提供连接工具与数据的标准化接口，Skills 承载流程规范与专业知识，结合 RAG 的外部检索，三者在实际开发工作流中相互协同。