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。
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。
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。
研究引入“概念场”方法,在句子嵌入空间中估算局部漂移场,利用 z 分数量化句子过渡的 groundedness,提供可解释且模型无关的度量。 方法依托向量序列数据库(VSDB)存储嵌入及位置元数据,并引入 $\zeta$ 分数评估句子一致性。
该研究提出分布感知检索嵌入框架 DARE,将数据分布特征融入 R 函数检索,解决现有 RAG 忽略统计方法适用性特征的问题。 框架包含含 8,191 个 R 函数的 RPKB 知识库、面向 R 的 RCodingAgent 及 100 项统计任务的 RStatBench 评测基准。
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。
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。
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。
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。
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。
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。
Scalaris 是一项可扩展的企业级记忆架构,专为对话 AI 系统设计。它采用统一的长期与短期记忆设计,将用户交互与助手响应分开处理并配备专用管道,以解决检索准确性与上下文效率之间的权衡。
采用多教师LLM构建多样推理池,结合学生自探索与Rank-Gain效用评估筛选最优轨迹。 在三个真实数据集上验证了该自适应蒸馏方法在推荐任务中的有效性与鲁棒性。
MemShift 提出基准测试,将 LLM 个人记忆的维护分解为检测和修复两个步骤。 该基准包含五种转变类型(源修订、删除等),并采用确定性评分器替代 LLM 评判。 评估四个开放权重 LLM 发现,检测效果受限于修复能力;LLM 编写的程序在类型化记录上可缩小与精确重算的差距。
BELL 框架通过自适应分配策略和 token-weighted e-BH 程序,实现了大语言模型水印的高效定位,避免昂贵的密集 token 级评分。 该方法在无需区域间独立性假设的情况下控制 token-weighted false discovery rate (FDR)。 实验表明 BELL 在多种 LLM、数据集和水印方案中均优于竞争方法。
提出按说话人图记忆的 LLM 代理记忆系统 TrackMem,并以 15 段投资对话、765 个问题的 FinLoCoMo 作为评测基准。 在失效模式子集上,TrackMem 宏观准确率为 73.9%,高于最强基线 69.4%;修订数字类问题分别达 86.5% 与 73.4%。
研究提出联邦知识保持学习(FKPL),在 Office-Caltech-10、PACS 和 DomainNet 子集上平均准确率分别为 73.01%、67.00% 和 64.51%。
研究人员提出 AI-FAIR 元数据标准,将传统 FAIR 原则扩展至双向“问题-数据-模型”三角形,旨在解决生态与生物多样性领域数据基础设施碎片化及价值单向流动的问题。
summary_zh: top-$k$ 检索使记忆价值无法确定,LEDGER 通过估计 Shapley 值解决该问题。 LEDGER 在 HotpotQA 上将确定记忆比例从 0.001 提升至 0.797,准确率变动在 $\pm3$ 点内。
研究证实,结合无参数关系编码器的单表基础模型(TFMs)在关系型数据库预测中具有竞争力,尽管未接触关系数据预训练。 其机制在于无参数编码器将关系效应映射为固定长度嵌入,粗略模仿 TFMs 原设计的分布,从而转移单表属性至关系场景。 分析为提升关系型数据库基础模型提供新路径,特别是在强调可解释性和智能体系统集成的情况下。
工作流 RecGroupMemory 通过群体级用户画像和基于前一天的反馈修订决策指引,支持基于 LLM 的电商推荐。在针对淘宝低消费用户群体的在线对比中,无记忆基线、无反馈记忆和有反馈记忆分别使被引导交易用户数提升了 0%、1.58% 和 1.78%,且验证检查确保选定的源数值在反馈修订后保持不变。
针对金融问答中的 LLM 幻觉问题,该研究在 PHANTOM 基准上分析了 9 类幻觉,发现传统二元检测器子类型准确率仅 44.7%。 研究提出一种两阶段层级检测器,将二元准确率提升至 95.6%,子类型准确率提高至 56.1%,优于单一指标评估。 结果表明,类型级评估能揭示聚合指标所掩盖的检测器弱点,对金融合规场景具有参考意义。
ClickSight 是一个利用 LLM 分阶段流水线解读学生点击流并评估学习策略遵从度的框架。 评测基于 2 个学习环境、365 名学生及 12 个模型底座,推理模型表现优于指令微调模型。 该框架将细粒度点击流与理论定义的学习策略相结合,为研究数字学习环境中的学生行为提供灵活方法。
针对 LLM 智能体中记忆交付后是否被实际使用的问题,研究提出 MemUse 评估框架。该框架基于 8,000 个 SWE-bench Verified 案例,对比记忆交付内容与智能体实际行为及后果。
SPAR 提出自我进化框架,在 1688 平台 20 万+ 商家 A/B 测试中实现转化率提升 15.8%,高意向商家增长 35.8%。 该框架采用双循环架构,通过因果归因驱动策略假设演进,无需更新模型参数。 专家人类评估中 SPAR 整体销售质量获 4.62/5 分,为所有方法中最高。
HiGenTrans框架通过层级迁移LLM知识,显著提升生成式推荐在召回率等指标上的表现。 在三个公开基准测试中,该模型相比最强基线提升Recall@10达12.9%,NDCG@10提升33.7%。 其优势源于在输入、表征和决策三层引入LLM知识,有效解决了交互监督不足和重排序偏差问题。
针对长 SKILL 文档中基于相似度的检索易遗漏必要前提的问题,SkillCDG 框架将文档重构为约束依赖图,实现基于闭包的选择性规则检索。 该框架结合可验证奖励的组相对策略优化,对高熵推理 token 进行选择性 on-policy 蒸馏,以提升判定准确性。 在三个企业数据集和两个公开基准测试中,SkillCDG 在准确率和 F1 分数上均优于全文档及检索基线模型。
提出 LadderRAG 无图 RAG 系统及 CrossChapterQA 数据集,后者含 1,853 个跨章节问题。 LadderRAG 索引单本书成本约 $0.41,单次回答低于 1 美分;经四次架构重构,检索召回率从 0.36 提升至 0.79。 引入类似 RLAIF 的架构级反馈机制,最终答案平均得分 6.5/10。
深圳市创界通科技有限公司发布合规大脑Agent 2.0,产品覆盖50+国家税务规则及3400万+知识产权数据,从问答工具升级为“感知—决策—执行”闭环。 该Agent接入300+官方信源每日更新,支持MCP与Skill开放生态,通过本体驱动的认知中枢、多智能体协同及RAG检索实现跨系统业务执行。 创界通旨在将产品打造为出海企业“AI操作系统”,推动合规从信息检索迈向智能执行,重新定义合规工具标准。
Max DeMarzi 分享用 3 万段视频素材构建巴西柔道专用 LLM 教练的完整流程。先通过 ASR 修复和上下文检索头清洗数据,建跨学派同义词知识图谱;再用 CLIP 加 Qwen2.5-VL 把 861 个无声示范片段变成可检索文本块。
推荐理由:给出了用视频与知识库构建领域 LLM 教练的完整技术路径,含数据清洗、检索重排与模型微调的可复现步骤。
研究人员面临创纪录低的基础科学基金获批率,原因部分在于人工智能的迅速兴起。 这一趋势反映了 AI 对传统科研资助模式的冲击,导致资源分配向新领域倾斜。
Circle K 基于 Amazon Bedrock 构建自动分诊系统,将平均分诊时间降至 15 分钟以内,效率提升 67%–75%。 系统采用 Agentic AI 架构,利用 Bedrock Flows 及 AgentCore 自动检索日志并生成 Slack 摘要。 此举让值班工程师即刻获取可操作上下文,免去了手动排查 45–60 分钟的操作。
利用 Amazon Bedrock AgentCore 和 Nova Multimodal Embeddings 构建多智能体工程助手,自动化装配替代零件评估证据并生成文档,由 Claude 系列模型驱动路由与综合。
AWS 展示如何用开源 Crawl4AI 处理网页内容以摄入 Amazon Bedrock Knowledge Bases。Crawl4AI 生成 Markdown 和元数据文件存入 Amazon S3,供知识库解析、嵌入并建立索引。 该方案适用于需要过滤导航栏、提取特定区域或添加自定义元数据的场景。工作流由 EventBridge 触发 ECS 任务执行爬取、上传及摄入作业。
用户发现中国 API 中转站虽提供 50-90% 的价格折扣,但因上游无提示词缓存,长会话中每次请求均需按全量输入价格计费,极大消耗 token 导致实际成本反超官方 API。 该现象主要影响使用 AI 编码的开发者,使其在长上下文中需使用 100 倍以上的 token 才能抵消缓存缺失带来的额外费用。
danebalia 发布了开源的 AI 系统设计入门教程(GitHub 仓库),旨在帮助工程师掌握基于 LLM 的生产系统构建方法。该教程借鉴 System Design Primer 结构,涵盖从基础概念(token、推理、工具调用)到高级架构(Agent、RAG、MCP)的权衡分析,提供可运行的实验室代码和 Anki 记忆卡片,并包含针对面试和实际设计评审的解决方法指南。
Ctrl-G 提出首个联合控制结构暴露与交互暴露的 KG-RAG 框架,以支持多跳推理。 通过本地构建查询条件脱敏视图及层级控制器,结合局部经验记忆复用验证过的推理痕迹,减少远程调用泄露。 在六个基准中的五个上取得最高准确率,相比最强基线最高提升 13.8 分。
MedResearcher-R1-32B 在 MedBrowseComp 基准上以 27.5/50 分超越 o3-deepresearch 的 25.5/50 分,创下 SOTA 表现。
六种 LLM 工具检索结构对比显示,无训练且单次 LLM 调用的结构在 AppWorld k=16 时完成率不足 10%。 训练后的集合级检索器(75-90 条数据)无 LLM 调用即可达 .58 完成率;LLM 导航层级需 31-38 次调用耗时约 5 分钟。 检索完整性直接决定智能体下游任务成功率。
现有 RAG 知识投毒防御主要依赖攻击成功率(ASR)评估,掩盖了防御本身引入的失败及机制。研究提出 Aligned RAG Evaluation 协议,通过对比匹配查询下的干净与投毒响应,区分“被阻止”的攻击与“被引入”的错误。
提出DecisionRank模型,通过项空间在线策略蒸馏将生成式LLM的排序知识迁移至决策模型,解决了教师模型偏好表达与学生模型评分机制的差距。 该模型结合离线排序监督,在TREC DL、BEIR和BRIGHT等基准上达到最优性能。