构建支持 RAG 拒答机制的生产级 Postgres 流水线
基于 Postgres、pgvector、Gemini 及 FastAPI 构建生产级 RAG 流水线,核心功能为答案引用来源及未知问题拒答。 集成 Celery 与 Redis,并强制数据库层面的行级安全策略,确保数据访问权限隔离。
基于 Postgres、pgvector、Gemini 及 FastAPI 构建生产级 RAG 流水线,核心功能为答案引用来源及未知问题拒答。 集成 Celery 与 Redis,并强制数据库层面的行级安全策略,确保数据访问权限隔离。
Nace.ai 发布 Document Intelligence 1.0,提供 Drex 决策模型与 NDI 文档解析服务,支持 36 种文件格式。 Drex 采用小模型架构,具备 32k 上下文,输出校准概率;NDI 通过 OCR、转写和 NER 技术提取数据并追溯来源页码。 支持从云端到本地部署,涵盖共享、专用及离线模式,满足银行及政府等合规场景需求。
行业协会拥有海量文档但检索困难,常需人工查找。CustomGPT.ai 可处理大型组织内容库并提供来源引用。核心机会在于让已付费内容变得可用,而非仅提升问答速度。
DocFlare AI 是开源的零成本文档聊天工具,完全基于 Cloudflare 免费层构建,无需 OpenAI 密钥或外部服务器。 使用 Workers、Llama-3.1-8b-instruct-fp8 模型和 Vectorize 向量搜索,通过单标签嵌入即可提供带来源的 RAG 流式回答。
Claix 推出无头文档处理引擎,支持通过 MCP 协议连接 IDE,并作为原生 A2A 智能体提供 20 余项技能。 该工具基于 API 优先设计,提供 REST 与 JSON-RPC 接口,具备文档安全验证与溯源功能。 其架构可将 prompt token 消耗降低 80% 以上,支持按量付费且前 100 次调用免费。
开发者构建开源工具 PaperFold,将 arXiv 论文转化为 5 个可缩放层级。 用户通过捏合手势或按键 1–5 在层级间切换,从单屏章节图到逐字原文,且阅读位置不丢失。 该工具支持 Claude Code 输出格式,已在 GitHub 以 Apache 2.0 协议开源。
论文提出 CATune 框架,通过建模确定性旋钮排序约束优化 DBMS 配置。 实验显示 CATune 比基线快 12.5 倍,吞吐量提升最高 63.37%。 该结果证明显式建模系统约束可增强优化稳健性与系统稳定性。
BoT-GRPO 提出了一种长度不变的 Bag-of-Tokens 聚合方法,扩展 GRPO 以支持 token 级奖励模型,实现无需 critic 的高效过程监督。
EntroPrefill 提出一种 Rényi 引导的预填充剪枝机制,通过显式约束丢弃注意力质量保障上下文可替换性。 该机制包含混合到头部删除包络、可行令牌移除上界及有限样本观察者保证,并推导了条件 Transformer 扰动界限。 文章为纯理论框架,未包含实证加速、任务准确率保留或基准测试。
论文提出框架将系统综述方法应用于 AI 注册表,解决 ML 资产选型缺乏证据支撑的问题。框架包含规划、执行、记录三阶段,整合注册表搜索策略、跨注册表模式对齐及依赖驱动检索。该方法使 ML 资产发现过程透明、可复现,基于明确证据。
客户上下文图支撑的Agent在Voice-of-Customer分析中整体得分0.961,显著优于Agentic RAG的0.651和Deep Research Agent的0.710。 基于9,432条Cursor公开反馈测试,该架构通过类型化关系连接客户、运营及分析对象,在分析深度维度得分0.967,领先其他系统。
在一项预注册研究中,针对 709 页 LLM 维护的 Markdown 知识库测试了渐进式披露策略。研究发现,即使采用仅读取紧凑目录和单行摘要的渐进式方法,答案质量仍与原始知识库持平,且在所有测试条件下成本均显著降低。 然而,研究揭示了两个主要局限:人类评分员与模型裁判的评分一致性远低于预期,且在强制加载目录及更严格的评分标准下,质量优势未能得到验证。
DocOpt 利用 GRPO 算法直接训练 LLM 或 VLM 改写文档以优化黑盒检索,无需检索器内部访问权限。 在代码和视觉检索任务中,DocOpt 将 text-embedding-3-small 的 nDCG@5 从 58.35 提升至 67.94,超越了价格贵 6.5 倍的 text-embedding-3-large(66.15)。
研究揭示多向量视觉文档检索器存在索引反演漏洞,攻击者可仅凭存储的向量数据库重构原始文档页面,敏感性被低估。 在 ViDoRe v3 基准测试中,直接反演可恢复 47% 词汇及 45% 敏感信息,且作为查询命中源页面的概率达 98.4%;引入 token 池化与打乱后词汇召回率降至 8% 左右,模型重建顺序可将首排命中率提升至 93.5%。
该研究通过理想扩展查询和可分性两个视角,解释查询扩展在信息检索中的性能差异。 研究开发了可分性度量方法,并基于 TREC Robust 等数据集进行了大量实验。 实验表明,接近理想扩展查询的检索效果更好,且相关与非相关文档的可分性是理解性能的有效补充视角。
LLM 检索中多样化并非总是有益,其效果取决于候选池冗余度与查询所需证据数。在干净数据池上,多样化会损害相关性、证据覆盖与答案质量;在多证据任务中,当冗余导致最近邻检索重复选取片段时,多样化才有益。
研究发现当前嵌入模型在查询端存在干扰项时,常无法可靠遵循检索指令。 研究假设此行为源于现有训练设置与评估方式,引入查询端干扰项进行微调可显著提升表现,且对其他任务影响甚微。
EncBank 将预训练 LLM 下层作为可复用文档编码器,紧凑存储输出供上层读取器使用。在 Qwen3-8B 任务中,4-bit 存储保留 28.1% 原生精度 GPU 持久存储,预填充速度提升 1.40 倍。 技术细节上,自蒸馏后缀适配器共享存储精度,无需量化重训练。该配置通过 89 个 Terminal-Bench 2.1 任务中的 70 个。
论文提出 Madeleine 框架,通过离线 LLM 生成模拟人生数据训练查询编码器,实现在线零 LLM 调用的记忆关联检索。 在 LoCoMo-Plus 协议下,Madeleine 接入 HyperMem 时达到 66.6 分;单独使用时零 LLM 调用,上下文消耗约为原系统的 1/21,得分 52.4。 该框架可显著增强 T-Mem 系统性能,提升 26.2 分,且不影响常规问答能力。
该综述将安全 RAG 定义为保护外部知识访问,系统梳理了 135 项关于攻击、防御及安全评估的研究,并提出 SLOT 分类法(攻击面 S、防御层 L、目标 O、范围 T)。 研究发现三类不匹配:T2 攻击领先于防御与评估、S1 攻击数量多于 L1 防御、流畅的 S1 攻击挑战基于异常的 L2/L3 防御。 讨论未来方向,包括更真实的目标、完整防御栈、标准化评估及多模态与智能体系统安全。
直接 LLM 生成 What-If 界面失败率高达 45%,且意图误读率达 77.5%。 研究提出将自然语言转为 Praxa Specification Language (PSL) 再编译为界面的两阶段工作流。 基于分类学的修复策略将正确率从 52.42% 提升至 80.42%。
研究发布了一个包含 1,015 个段落-法条配对、由三位法律专家标注的基准数据集。 核心发现是专家产生分歧的案例(约占三分之一)正是模型失效的高发区,最佳集成模型的整体 F1 分数仅为 0.70,且三分之二误报集中于此。 将任务重构为 Top-k 排序并引入多模型共识机制后,基准前 200 个候选项无需监督即可达到 76% 的查准率。
消融研究证实,结构对齐分块凭借真实标题路径比固定窗口分块在两种语料上分别提升 cov-nDCG@10 0.022 和 0.012。该机制优势源于内容而非预置文本干扰,且朴素双阶段分层检索在两种语料上均造成性能下降。效应较小但在两种语料中一致且具统计学显著性。
ExperienceIndex 是一种专为 AI 智能体设计的新型经验层,它通过存储和复用“工件”(artifacts)的知识,帮助智能体更高效地回答知识密集型任务。
研究者开发了 AI 辅助工作流,通过自监督 CNN 降噪及半自监督方法解释 300-3500m 地震数据中的构造层与断层,支撑隐式地质建模。 工具已在荷兰 Leeuwarden 和 Waalwijk 三维地震数据立方体中完成 Maassluis 层顶界解释演示。 该研究证明 AI 辅助解释工作流已成熟,可集成应用于地质建模与决策。
summary_zh: CircuitATLAS是一个基于系统神经科学知识图谱的智能体框架,包含383万个节点和766万条边。 该框架结合人类细胞图谱和多模态测量,并引入智能体工作流。
随机在线实验表明,在生成前使用Cognistance进行结构化引导,AI辅助决策文档综合质量提升32%。 该原型要求用户先澄清上下文并选择策略方向,将低质量交付率从34%降至5%,平均耗时增加2.4分钟。 研究显示该介入能显著改善任务相关性,未来需重点验证长期记忆效果及在真实组织中的应用。
该方法通过重新设计 RAG 的基本检索单元,将类型化构件收集为带有超边的功能单元,并在编码器对齐后结合直接块检索与统一重排序器生成答案。 在自建 EDADocEval-QA 数据集上,该方法相比 Chunk RAG 的 ROUGE-L 提升了 37.1%,比最强图基准提升 55.6%;在公开 ORD-MMBench 上比最强基准提升 30.0%。
研究评估隐藏状态外推误差、曲率等轨迹特征能否提升注意力路由预测,结果在六项预设比较中均未显示正向增益。 在 Qwen3.5-4B-Base 上,参数匹配的固定投影控制比轨迹路由器 NLL 低 0.00356 nats/token。 次要结果依赖于操作移除类型,且学习型路由器在缓存续写时保持较慢速度。
RACER 提出一种无需训练的反思性智能体框架,旨在解决长视频帧选择中基于相似度方法的“查询理解差距”和基于判断方法的“解释-选择差距”。该框架由轻量级视频大语言模型将复杂查询重构为子查询,再由嵌入模型作为检索工具定位相关证据,两者形成反射循环以迭代优化。实验显示,即使在组件能力有限时,该智能体整合也能有效提升多种基准测试中的长视频理解性能。
针对情绪改写假新闻检测难题,研究提出 Gated Cross Attention 框架,结合 LLM 生成的原始新闻解释,在 PolitiFact 和 LUN 数据集上实现性能提升。 该方法利用 LLM 为原始新闻生成稳定背景知识,通过自适应融合机制降低情感重构带来的干扰,保持了 GossipCop 数据集上的竞争力。 代码和数据已公开。
KVFetch 是一种无需训练的即插即用框架,通过时序召回通道解决基于内容的相关性驱逐导致的顺序遗忘问题,恢复模型逐字复制能力。 该框架将驱逐候选降级至量化冷层,并通过单调读取指针检测活跃复制,将位置后继预取至固定大小的热层槽位,不增加注意力成本。 在 RULER-16K 的同预算控制下,KVFetch 将逐字复制指标从 0.8 恢复至 78.4,13 项任务平均分提升 8.4。
RECAST 框架将证据构建形式化为异构检索与计算操作的序列决策过程,在六个基准家族中实现 75.6% 平均成功率,超越最强大型模型基线 15.9%。 该框架由轻量级 RouterLM 迭代选择或定制操作,并指导冻结的 CompilerLM 生成可执行代码,最终由 AnswerLM 生成答案。
Knowledge Weaver 是强化学习框架,训练 LLM 智能体从轨迹中提取可复用知识。 结合 token 级互信息反馈与边际成功奖励,限制冗余重叠,提升知识库效用。 在 ALFWorld 和 WebShop 任务中,平均成功率达 54.0% 和 42.0%,较 GRPO 分别高出 16.9 和 18.7 个百分点。
研究人员报告了一种基于LLM的流程,用于自动构建材料科学中机器学习原子间势(MLIP)模型的知识图谱。 该流程包含多步骤信息提取,并利用SHACL约束进行验证循环以检测错误,支持逐模型迭代更新。示例展示了基于Matbench Discovery排行榜构建的图谱查询功能。
研究首次系统评测 LLM 作为实体对齐(EA)裁判的可靠性,揭示标签暴露导致判别能力崩塌的锚定偏差。 J-ROC-AUC 从 0.12-0.87 跃升至 0.93-1.00,强模型对标签更敏感;发布 MeSH-SNOMED CT 基准(15K 对)及审计框架。 为知识图谱集成提供可扩展的评估方案,代码与数据已公开。
研究揭示检索增强模型中诊断源选择的隐状态表征并非最优控制表征。通过潜在轨迹偏移方法,等范数干预可改变源偏好且更好保留非目标行为。该冻结方向在测试数据集及 OLMo 模型对间有效迁移。
TOPOGRAPHRAG-Bench 是一个包含 2,024 个问题和 201 份长文档的布局基准,用于评估多模态 GraphRAG 的证据拓扑恢复能力。 基准采用反事实验证确保结构完整性,评估了文本、视觉及多模态系统的检索与推理表现。 该工作已被 NeurIPS 2026 接收,代码与数据已公开。
论文提出 BFR 框架,在 LongMemEval-S 上将判定准确率从 72.4% 提升至 82.2%,并实现 91.4% 的 Turn Hit。 该框架引入 Gold Hit 和 Turn Hit 作为证据覆盖代理,并通过 FCA-MS 分解问题信息需求以选择紧凑候选子集。 BFR 在 LoCoMo 和 LongMemEval-S 基准上均优于同等存储条件下的近期智能体记忆系统。
基于 Jev 的 bullet chess 机器人凭借搜索与蒸馏技术,在 Lichess 上达到 2200 分以上的评分。 通过 21 分钟 API 调用替代 5.1 小时 GPU 时间,Jev 训练的排序器性能与 Qwen3-32B 相当。 在固定标注预算下,结合 Qwen3-32B 的多教师蒸馏策略比单用 Qwen 提升 9.6 Elo。