跳到正文
11月3日周二
  1. arXiv · NLP32

    TRIO:用于检索增强生成(RAG)的任务精炼与个体优化

    该研究提出TRIO方法,通过为三个设计良好的Agent配备迭代精炼范式,解决当前RAG检索不足和幻觉问题。 具体地,查询扩展Agent基于改进的答案质量量化奖励,共识投票标注扩展查询是否充分以优化裁判Agent,答案Agent则通过课程学习进行动态匹配奖励优化。 在多个基准数据集上,TRIO相比SOTA方法有效性得到验证。

  2. arXiv · NLP20

    检索增强文化评测助力 CUE-MT 社交媒体翻译模型

    CUE-MT 采用检索增强文化评测训练社交媒体翻译模型,在 9B 至 35B-A3B 骨干架构下超越同规模开源基线。 该方法引入领域专用 Judger 与 Agent 挖掘难例,检索证据使 Judger 四分类准确率提升 8.07 个百分点。 人工评估显示其文化有效性较最强外部基线提高 7.44-15.12 个百分点。

  3. arXiv · NLP26

    关系知识筛选紧凑知识图谱上下文的研究表明,精度门控可高精度回答18%和5%的WebQSP及CWQ问题

    基于关系知识筛选紧凑知识图谱上下文的方法,其选出的事实使七种开源LLM的精确匹配表现优于相关度排序。 在SubgraphRAG基准测试中,该方法仅用四分之一的prompt tokens达到同等效果;精度门控在WebQSP和CWQ上分别回答了18%和5%的测试集,准确率为90%和96%。

  4. arXiv · ML31

    EviCast:通过共享响应校准预测检索增益

    EviCast 框架通过干预性证据状态分解预测 RAG 检索价值,无需执行所有配置即可计算净效用及 95% 置信下界。 该框架结合生成器响应与候选检索器离线分布,在 HotpotQA 14 种配置中预测误差仅 2.75 F1 点,并减少 80% 诊断生成调用。

  5. arXiv · ML28

    Legible方法破解大模型“两跳”推理诅咒,显著提升Qwen与Llama知识编辑效果

    微调后的大模型存在“两跳诅咒”,即无法将新事实与原有知识进行多跳推理。Legible方法通过让桥接短语在中间层匹配模型对新实体的内部表征来解决此问题,无需合成多跳数据。 该方法在Qwen2.5、Llama-3和Qwen3模型上验证了效果,其桥接准确率是CaKE方法的1.8-2.6倍,并在RippleEdits基准上成功破解14B模型的两跳诅咒。

  6. arXiv · ML25

    Surplus:针对 LLM 语义缓存未用错误预算的优化方案

    研究发现现有 LLM 语义缓存(如 vCache)未充分利用错误预算,仅实现 12-55% 的目标误差率 δ。 新方法 Surplus 通过共享风险评分和动态风险桶,在五个查询流中均维持 δ 约束,且比 vCache 多获得 40% 命中。 在 vLLM 测试中,Surplus 在高负载下将平均延迟降低 31.59%,优于 vCache 的 23.67%。

  7. arXiv · ML29

    TSSDA: 构建时序 Text-to-SQL 基准的自主智能体

    TSSDA 框架利用自主智能体生成时序 SQL 数据,并构建了名为 TERN 的时序 Text-to-SQL 基准。 该智能体通过建模语法语义扩大查询覆盖范围,利用时序感知记忆跨异构实例复用经验以提升生成效率。 实验表明 TSSDA 显著提升了数据生成的覆盖率、多样性及复杂性,并揭示了现有模型在时序 Text-to-SQL 任务上的局限。

  8. arXiv · ML33

    ReCoG: 相对节点上下文多领域图预训练方法

    ReCoG 提出通过构建独立于原始图结构的节点上下文提升跨域迁移效果。 该方法利用共同邻居构建结构上下文,并基于邻域属性摘要构建语义上下文,在 18 个目标数据集上验证有效性。 ReCoG 使 1-shot 跨域节点分类平均准确率超最强基线 7.61 个百分点,异构图跨类型迁移提升 4.47 个百分点。

  9. arXiv · ML25

    MVMAE:用于异质图自监督学习的高效可扩展多视图掩码自编码器

    研究团队提出多视图掩码自编码器MVMAE,解决异质图自监督学习中高计算成本、均匀随机掩码局限性及重建噪声特征目标不佳的问题。 该框架采用多视图先掩码后重建策略,通过离线聚合机制预计算重用元路径视图表示,避免构建子图,并使用基于Transformer的融合编码器和简单MLP解码器,在六个数据集上性能优于SOTA基线。

  10. arXiv · AI23

    OntoKG-EQ:面向分析型知识图谱的证据边界审计

    OntoKG-EQ 提出分析型知识图谱的证据边界审计框架,通过可执行审计连接能力问题与已交付证据。 该框架利用有界声明式解释器区分数值状态,在英国 2026 年 8 月公共数据应用中,与发布者工作簿对账了 532 家提供商,91 家满足 92% 阈值。 贡献是可重复的分析审计接口,未测试独立生产部署效益。

  11. arXiv · AI27

    MHR 实现模型感知的紧凑语义检索

    提出 Matryoshka Hash Representations (MHR) 方法,通过两阶段分离全宽训练与前缀组织,提升紧凑语义检索效率。 MHR 先学习长二进制码并冻结模型,训练残差适配器以支持直接可搜索前缀。在 16 字节下 NDCG@10 达 0.502,优于基线 0.404。 性能在 BEIR 数据集及不同随机种子中保持稳健,适用于候选筛选与图索引剪枝。

  12. arXiv · AI38

    FactForm:基于事实的开放式问答评分方法

    FactForm 在 998 个 EVOUNA 回答中达到 0.077 的平衡错误率和 0.985 AUROC,优于传统评分器的 0.112 和 0.930。 它每次回答仅调用一次 LLM,通过程序化公式打分,运行间平均绝对差异为 0.0136,稳定性优于 LLM 评审。 该方法旨在提升开放式问答基准测试评分的准确性与可复现性。

  13. arXiv · AI21

    重新思考医学影像 AI:迈向以医生为中心的智能体推理

    研究指出医学影像 AI 十年未转化为临床影响,源于设计评估与临床决策的结构性错位,识别出 8 个互相关联的错位维度。 错位包括仅像素模型主导、基础模型在数据稀疏领域失效、验证算法与可部署平台脱节等,AI 有替代而非扩展医生判断的风险。 文章提议以医生为中心的智能体推理路径,旨在生成可执行的临床指导,实现 AI 扩展而非取代临床判断。

  14. arXiv · AI21

    SemFlowRAG:基于有向语义流解决知识图谱检索中复杂推理难题

    SemFlowRAG 提出了一种将平坦检索空间重构为语料自适应语义梯度图的框架。 通过量化语义抽象性并设计抽象度引导的有向 PageRank 算法,强制检索轨迹沿“高到低语义抽象度”梯度行进。 实验证明该框架有效缓解了高抽象概念节点导致的“概率黑洞”问题,在检索及下游推理性能上优于现有基线模型。

  15. arXiv · AI28

    神经检索器是否偏好特定文档?关于学习到的相关性先验的证据

    监督式双编码器检索器隐含了文档级别的相关性先验,该先验可泛化至未见文档,并在不同模型间保持一致。 通过对冻结文档嵌入训练简单分类器评估三个最先进检索器,发现具有较低先验的文档即使真正相关也更难被检索到,形成“可发现性差距”。 这种偏差在 BM25 中较弱且不稳健,通过 LLM 解释发现,判定相关的文档往往是关于主流话题的综合、自包含的摘要,而利基、碎片化或高度技术化的内容常被遗漏。

  16. arXiv · AI28

    MIGRASCOPE:基于互信息的RAG检索器分析框架与基准

    MIGRASCOPE 提出基于互信息的指标以量化检索质量、冗余度及边际贡献,弥补现有 RAG 评估仅依赖 Recall 或 MRR 的不足。 在 4 个语料库和 13 种 SOTA 检索器(含词法、稠密及图基)上验证了该框架有效性。 结果表明图基检索器间存在冗余,而 BM25 具有信息互补性,基于互信息归因的集成可超越单一检索器。

  17. arXiv · AI29

    Wonder系统:LLM辅助数据库推测性查询

    论文提出Wonder系统,利用小型辅助LLM在主要LLM推理期间推测性预加载数据库。 通过预测查询形状编译、预热缓存及预计算超集结果,缩短SQL执行等待。 在代理工作流评估中,SQL执行时间最多降低31.8%,总推理与执行时间最多降低22.6%,带来生产力提升。

  18. arXiv · AI29

    A/B Agent: 面向工业级 A/B 测试策略迭代的自进化智能体

    提出 A/B Agent 框架,通过层级经验树和 Tree-RAG 实现工业推荐策略自进化,短视频电商 GMV 提升 4.829%。 该框架整合历史策略组织、目标感知生成及实验引导自进化三大组件,支持多路径检索与在线反馈自动调优。 离线与在线评测证实其有效性,且在所有护栏指标上保持正向增益,显著降低人工迭代成本。

  19. arXiv · AI27

    MMCOMET:用于视觉推理的大规模多模态常识知识图谱

    研究团队推出 MMCOMET,这是首个整合物理、社会、事件知识与视觉 grounding 的大规模多模态常识知识图谱。 该图谱扩展了 ATOMIC2020,通过混合对齐管道为每个常识三元组关联代表性图像,生成超过 90 万条覆盖 19 种关系类型的多模态数据。 分析表明,多模态 grounding 在推理密集场景下比纯文本或 LLM 生成知识更可靠,但需自适应路由以避免感知主导任务中的噪声干扰。

  20. arXiv · AI32

    VeriCypher:基于文本到Cypher生成的图RAG命名实体验证框架

    VeriCypher是一个LLM驱动的文本到Cypher框架,专为Labeled Property Graphs设计。 其核心机制是命名实体验证:系统提取生成查询中的节点、关系和属性,与目标图谱比对,并将不匹配项转化为修正指令。 在CypherBench基准测试中,该方法相较于基线模型一致性地提升了答案正确率和查询鲁棒性,有助于纠正幻觉元素。

  21. arXiv · AI20

    Kolmogorov-Arnold 网络与多层感知机在临床表格数据上的统计基准测试

    针对 7 个医学数据集的 11 种架构对比显示,KAN 变体(如 TabKAN、ReLUKAN)在严重类不平衡场景下比 StandardMLP 具有更高的 AUPRC。 KAN 推理延迟增加 1.20x 至 1.48x,可训练参数最多增加 12.5x,整体判别力与 MLP 相当。 在追求稀有阳性病例精确度时,KAN 是可行的替代方案,StandardMLP 仍是效率帕累托前沿的强基线。