CMT-RAG:告别粗暴拼历史!子问题级DAG追踪让多轮问答F1提升6.8
为了弥合这一鸿沟,研究团队提出了 CMT-RAG(互补记忆轨迹框架)。其核心创新在于不再将记忆视为扁平的文本串,而是将其解构为 子问题级别的推理轨迹(Sub-question-level Reasoning Traces) 。
为了弥合这一鸿沟,研究团队提出了 CMT-RAG(互补记忆轨迹框架)。其核心创新在于不再将记忆视为扁平的文本串,而是将其解构为 子问题级别的推理轨迹(Sub-question-level Reasoning Traces) 。
为此,研究团队提出了一种无须嵌入模型、不依赖向量数据库的全新方案—— READ (Reliable Embedding-free Agentic Document-search)。该方案让大模型 Agent 借助标准化协议,直接利用确定性工具在原始文档中进行结构化导航与按需阅读。
来自中国科学院、复旦大学、南京大学、香港中文大学与香港科技大学的研究团队在论文中提出了名为 HERALD 的离线反事实审计框架,在策略正式训练前对奖励函数进行精确的程序化单元测试。
为此,研究团队提出了 EgoCITE 框架,通过上下文增强索引与时间感知检索机制,在 EgoLifeQA、EgoMem 和 EgoR1-Bench 三大基准上取得了 4.4% 至 14.2% 的显著准确率提升,同时相比直接堆砌超长上下文的 LLM Agent 方案,将推理成本降低了整整 36 倍。
APS-RAG:这项工作为高可靠工程环境下的 RAG 架构设计提供了非常现实的技术参照。大科学装置的运转知识形态与传统企业知识库存在本质差异。在 APS 的日常运行中,数据异构性极高。
NUS:评测不仅考察传统的 Recall@k 和 MRR(平均倒数排名),还提出了极具工程参考价值的 BCY@B(Budgeted Context Yield,固定 Token 预算下的上下文产出率) 。
在此诊断基础上,团队进一步提出了免训练的集合选择方法 Rubric4Setwise ,首次将评估准则直接转化为选择信号,在短文本和长文本两套场景中,仅用更少文档和更少搜索轮次便斩获了下游生成性能的 SOTA。要理解这项工作的必要性,必须先认清现有评测体系为何在大模型时代失效。
针对这一症结,最新提出的 RRM(Reflective Retrieval Memory,反思检索记忆) 框架给出了破局思路。研究团队敏锐地捕捉到了长视频记忆系统的核心盲区: 模型跨任务真正需要复用的,不是“上一段视频里发生了什么”。
来自上海交通大学与香港理工大学的研究团队提出了 HYSET (HYperedge-based SEt-level Tool retrieval)。该研究首次将大模型智能体的工具检索重构为 基于工具共调用超图的条件超边预测问题 ,直接将“候选工具集合”作为整体进行打分,并设计了随集合容量自适应调...
” 然而,由 Eigenforma 与 Freemind Labs 联合开展的一项最新测量学审计研究表明,这套遍布生产环境的机制在回答的其实是另一个截然不同的问题:“这段文本的字面措辞改变了多少?
为了打破这一僵局,来自面壁智能(ModelBest)与清华大学的研究团队提出了 MathForm 框架。该研究彻底颠覆了“一次性黑盒翻译”的旧范式,将自动形式化重构为“检索规划—编译器诊断—语义一致性校验—多轮修正”的闭环系统。
针对这种 检索与分析的结构性失配 (Retrieval–Analysis Mismatch),一项最新研究提出了 AdaMM (Adaptive Multi-view Memory)框架。
实验结果令人振奋:在 51 万篇全量语料抽样的 150 道严苛测试题上,基于裸文件系统的原生 Agent 得分仅为 36.9,纯 Native BM25 的基线得分为 54.8,而切换为“Agent + BM25”之后,综合得分一举飙升至 69.4!
来自网易与独立研究者团队提出了名为 CodeGrep 的专用代码检索智能体,试图从架构层彻底重塑这一交互链路。他们基于 Qwen3-14B 模型,通过 GRPO(Group Relative Policy Optimization)强化学习端到端训练了一个轻量化检索专职模型。
针对这一问题,该研究提出了包含 61,228 个技能的新基准 SkillReason-Bench ,并设计了名为 SkillReason 的双阶段推理增强框架。
DeepMind:如果在前一到两轮,模型由于搜索空间过于宽泛而提出了边缘化、无信息增益的问题,其在后续轮次中自主“纠偏”的能力极其孱弱。早期恢复斜率分析证实,大部分开源与闭源模型在偏离正确依赖路径后,随着交互轮次增加,其累积不确定性不仅没有减少,反而因为无序信息注入导致状态塌陷,提问越来越盲目。
针对这一严重的工业落地痛点,中国移动等机构的研究团队提出了全新的基准测试集 EnterpriseRAG 。该项研究揭示了一个此前被传统基准广泛忽视的残酷事实:在真实的复杂约束条件下,主流大模型对单个指令约束的平均满足率虽然可以达到 80% 到 84%,但当多条约束组合施加时。
针对这一瓶颈,来自字节跳动、北京大学和上海交通大学的研究团队提出了全新的解决方案 SkillLens 。该方案将非结构化的人机交互经验重构成一种名为 视觉技能卡 (Visual Skill Cards, VSC)的状态条件记忆单元,并在推理时采用“低开销检索与按需视觉展开解耦”的机制。
针对这一症结,来自中国传媒大学媒体融合与传播国家重点实验室和智联英和技术团队提出了全新长程记忆框架 RippleMem 。该框架打破了传统记忆系统“单次孤立检索(Isolated Retrieval)”的思维定式,转而借鉴人类认知心理学中的情景记忆激活机制。
来自 Databricks 与马萨诸塞大学阿默斯特分校(UMass Amherst)的研究团队在最新论文中提出了一个截然不同的视角: 文档在进入检索系统前的表示形式,不应该是一成不变的预处理超参数,而应当被视作可优化的代码程序 。基于这一理念,他们推出了名为 AutoIndex 的框架。
来自埃默里大学因果动力学实验室(Causal Dynamics Lab, Emory University)的研究团队提出了名为 MegaMem 的超大上下文记忆检索系统,试图从根本架构上破除这一两难处境。其核心洞察在于: 必须将“可检索的持久记忆规模”与“模型生成所消耗的证据上下文”彻底解耦 。
针对这一隐蔽威胁,研究团队同时提出了一种无需调用大模型、零推理开销的输入端防御策略——显著性归一化(Salience Normalization),成功将攻击率压制至 15.3%。传统 RAG 系统在处理知识密集型问答时,通常依赖单次检索匹配。
为此,研究团队提出了 V-Mem 。该框架放弃了在统一表征空间硬碰硬的暴力跨模态检索,转而通过轻量化的“模态路由”解耦多模态记忆管理。在极具挑战性的多模态长记忆基准 Mem-Gallery 上,V-Mem 斩获了 0.825 的 LLM 评测分,远超此前最佳基准的 0.561;在带有输入图像的...
为了打破这种粗暴的信息摄入模式,研究团队提出了名为 SIEVE 的全新交互范式。该框架放弃了传统的 Search–Visit 模式,转向“搜索-检视-获取”(Search–Inspect–Fetch)三段式架构,并深度整合了基于字段的布尔查询语言(Boolean Query Language,...