DeFT-检索增强生成（RAG，Retrieval-Augmented Generation）：将多跳问题拆成自包含子问题并复用答案
DeFT-RAG 提出一种检索增强生成（RAG，Retrieval-Augmented Generation）框架，每次只根据原问题和已答问答对生成一个自包含子问题，把依赖跟踪、问答表更新和是否继续的判断交给规则与微调的小型决策模型。
#RAG
arXiv · cs.AI模型评分4141 arXiv · cs.AI模型评分4545 SYNTRA：自改进数据合成框架让嵌入模型跨领域跨任务适配
SYNTRA 是一个自改进的智能体数据合成框架，能把少量检索示例转化为可复用的合成指令，自动生成嵌入模型训练数据。在覆盖 15 个领域的 24 个数据集上，同一套合成流程对已有或无标注训练集的强嵌入模型均有增益；自改进在全部 6 项评测任务上增强监督效果，其中 4 项检索表现优于人工校准。在 MS MARCO 上，合成训练数据规模扩大 32 倍时检索增益仍持续。
arXiv · cs.AI模型评分3131 SpectRAG：面向多跳检索增强生成的加权块图谱与 token 预算上下文选择
SpectRAG 提出一种图谱增强检索框架，通过加权块图谱、图谱扩展和谱相关性传播，在固定 token 预算下为多跳检索增强生成（RAG，Retrieval-Augmented Generation）挑选上下文。
arXiv · cs.AI模型评分4646 MONOLOGUE：通过逻辑劫持对 检索增强生成（RAG，Retrieval-Augmented Generation） 实施单文档投毒
研究者提出 MONOLOGUE，一种基于逻辑劫持的单文档投毒框架，不直接反驳事实，而是先承认原文为权威历史基线，再以带日期的记录更正叙事把反事实目标包装成最新更新。
arXiv · cs.AI模型评分3838 用因果关系与注意力机制提升 检索增强生成（RAG，Retrieval-Augmented Generation） 检索精度
一项研究针对检索增强生成（RAG，Retrieval-Augmented Generation）的检索阶段提出改进：标准稠密向量相似度检索常返回只与查询共享关键词、却不含所需信息的文档，且知识库越大越严重。作者用因果图建模该阶段，把查询与文档共享的关键词视为潜在共同原因，并引入注意力机制区分关联与因果关系，以提升检索精度。
arXiv · cs.AI模型评分1515 arXiv 撤下一篇 Agentic 检索增强生成（RAG，Retrieval-Augmented Generation） 系统性综述（SoK）论文
arXiv 管理员撤下了一篇关于智能体检索增强生成（Agentic 检索增强生成（RAG，Retrieval-Augmented Generation），Retrieval-Augmented Generation）的系统性知识综述（SoK，Systematization of Knowledge）论文，理由是未达到该平台的研究内容质量标准，目前无 PDF 可查看。
arXiv · cs.AI模型评分5353 论文提出面向智能体检索的知识编译层，导航树使查询 token 平均减少 38%
论文提出在检索增强生成（RAG，Retrieval-Augmented Generation）的智能体检索流程中加入知识编译层，把文档加工成导航层级、实体图谱、时间线等结构化产物。
arXiv · cs.AI模型评分3636 ReX-GG：面向关系抽取与图生成的 大语言模型（LLM，Large Language Model） 集成流水线
ReX-GG 是一个可定制的轻量级大语言模型（LLM，Large Language Model）集成流水线，通过 JavaScript 对象表示法（JSON，JavaScript Object Notation） 结构化输出和匿名同行评审排序来减少模型幻觉和单模型故障点。