CLaRa: Bridging Retrieval and Generation with Continuous Latent Reasoning
检索增强生成（RAG）利用外部知识增强了大型语言模型（LLM），但仍然受到长上下文和不相交的检索生成优化的影响。在这项工作中，我们提出了 CLaRa（连续潜在推理），这是一个在共享连续空间中执行基于嵌入的压缩和联合优化的统一框架。为了获得语义丰富且可检索的压缩向量，从而减少输入生成器的文档长度，我们引入了 SCP，一种基于问答和释义的密钥保留数据合成框架......
企业文档智能 [Vol.1 #7quinquies] - 幻觉通常是垃圾。修复检索，模型就没有什么可弥补的了大多数 RAG 幻觉都是检索失败：检索砖如何决定模型可以发明什么，该帖子首先出现在《走向数据科学》上。
Multilingual Semantic Retrieval for Apple Music Search
Apple Music 以数十种语言为 150 多个店面的听众提供服务，其目录每天都会增加数十万首新曲目。在这种规模下，拼写错误、音译和跨语言查询的搜索召回成为会话质量的主要驱动因素，特别是对于占唯一查询大部分的尾部查询。我们提出了一个基于 305M 参数暹罗双编码器的多语言语义检索系统，该编码器根据 GTE 多语言基础进行了微调，并具有课程安排的多目标训练。该模型通过...集成到搜索堆栈中
Loop Engineering for Hierarchical Retrieval: Reading a Long Document by Its Table of Contents
企业文档智能 [Vol.1 #7quater] - 492 页的文档有 358 个条目的目录。你无法阅读全部内容，而且每一页的 top-k 都会将答案与相邻的答案混合在一起。相反，通过 TOC 进行路由：检索中的有界循环可以节省标记并提高精度分层检索的后循环工程：按目录读取长文档首先出现在《走向数据科学》上。
A Production RAG Pipeline for PDFs: Relational Parsing, TOC Retrieval, Typed Answers
企业文档智能 [Vol.1 #9A] - 同一篇论文，与第 1 条相同的问题。每块砖一个升级的合同：文档解析、问题解析、检索、生成PDF 的生产 RAG 管道：关系解析、TOC 检索、类型化答案一文首先出现在 Towards Data Science 上。
The Untaught Lessons of RAG Retrieval: Cosine Is Not the Foundation
企业文档智能 [Vol.1 #7ter] - 检索砖上的六个位置与主流 RAG 的余弦优先反射相矛盾The post The Untaught Lessons of RAG Retrieval: Cosine Is Not the Foundation 首先出现在 Towards Data Science 上。
Peer-Generated Application Retrieval: A Simple Activity to Increase Student Interest and Engagement
作为一名教授各种本科心理学课程的教授，我的教学理念集中于在课程材料和学生的现实生活经历之间建立有意义的联系。当课程内容与学生自己的生活相关并适用于现实世界时，而不是呈现为考试时记忆的抽象信息，学生可以发展更深入的理解、更大的兴趣，并且[…]后同行生成的申请检索：提高学生兴趣和参与度的简单活动首先出现在教师焦点|高等教育教学与学习。
Peer-Generated Application Retrieval: A Simple Activity to Increase Student Interest and Engagement
作为一名教授各种本科心理学课程的教授，我的教学理念集中于在课程材料和学生的现实生活经历之间建立有意义的联系。当课程内容与学生自己的生活相关并适用于现实世界时，而不是呈现为考试时记忆的抽象信息，学生可以发展更深入的理解、更大的兴趣，并且[…]后同行生成的申请检索：提高学生兴趣和参与度的简单活动首先出现在教师焦点| Higher Ed Teaching & Learning.
Building Geography Knowledge: Retrieval Practice of Countries, Regions, and Geographical Features
想象一下，一位中学老师完成了一个有关东亚的单元。学生们一直致力于在地图上识别和定位自然和地理特征，如地貌、水体和城市中心，以及识别世界各地国家的位置。在本单元中，教师描述了该地区的季风气候，学生们了解了为什么该地区的河流比其他地区支撑着更密集的人口。虽然学生们在整个单元中学习内容并在讨论该地区的特征时分析该地区的地图，但他们很难自己识别地理特征。例如，当老师将一张空白地图投影到黑板上并要求学生识别黄海或标记中国、日本、朝鲜和韩国等国家时，许多学生无法做到这一点，尽管他们在课堂上广泛讨论了这些区域。 (阅读更多)《构建地理知识：国家、地区、地理特征的检索实践》一文首发于《示范教学》。
Retrieval Practice vs. Worked Examples: When to Use Which
今天我正在回顾一项研究，该研究直接比较了两种有效的学习策略（检索练习和工作示例）对于泛化知识（迁移）的有用性。
Loop Engineering for RAG Generation: Iterate top-k One at a Time
企业文档智能 [Vol.1 #8bis] - 将检索到的候选发送到生成砖的两种机制、在它们之间进行选择的充分性信号以及使其廉价的每个问题类型调度 RAG 生成的后循环工程：一次迭代 top-k 一个首先出现在《走向数据科学》上。
Scientists Discover Why Teenage Memories Can Become Temporarily Inaccessible
青春期的一些记忆可能不会消失。大脑可能只是在重建记忆系统时将它们锁起来一段时间。一项针对小鼠的研究发现，大脑区域出现了意想不到的重塑浪潮，有助于保存和检索长期记忆。在青春期后期，关键神经元周围的保护结构 [...]
顺序推荐是推荐系统的核心任务，最近的研究越来越多地转向利用顺序模式和语义项目信息的生成推荐器。然而，这些方法通常是在一小组广泛使用的基准上进行评估的。这就提出了一个自然的问题：这些基准测试实际上需要现代生成推荐器的高级建模功能吗？我们使用有意简单的图启发式进行基准审核：仅从最后一个或两个交互的项目开始，它从几跳项目转换图中检索候选者，并根据项目特征相似性对它们进行排名。令人惊讶的是，尽管它很简单，但这种启发式方法在各种流行的顺序推荐基准上匹配或优于一组广泛的现代基线。例如，与广泛使用的 Amazon Review Sports 和 CD 数据集上的最佳竞争基线相比，它的 NDCG@10 相对改
Build enterprise search for agents with Amazon Bedrock Managed Knowledge Base
在这篇文章中，我们将介绍实现这一目标的三大支柱：简化的设置、更智能的检索和生产准备。我们还向您展示了用于设置知识库并从中检索的代码示例。
Cryptocephalomorpha thom Choi, Nomura & Park,in Choi, Nomura, Kwon, Choi et Park, 2026.DOI: doi.org/10.3897/dez.73.192635 摘要根据在柬埔寨南部和泰国西部采集的标本，Cryptocephalomorpha thom sp. 11 月，描述了 Cryptocephalomorpha Ritsema, 1875（鞘翅目、步甲科、假吗啡属）的一个新种。这项研究提供了第一个经证实的柬埔寨部落记录，并记录了柬埔寨和泰国新物种的出现。提供了拟吗啡属东方属的检索表和该属东方种的更新检索表，
AutoMem teaches AI to actually remember
人工智能能像人类一样学会记忆吗？新框架 AutoMem 教人工智能代理如何管理自己的内存，而不是简单地依赖更大的上下文窗口。通过学习要记住、检索和忘记什么，AutoMem 在复杂的长期任务上将 AI 性能提高了 4 倍。
Agentic RAG: Let the Agent Search
一个最小的 OpenAI Agents SDK 实现，其中检索成为搜索-读取-决定循环Agentic RAG：让代理搜索首先出现在 Towards Data Science 上。
Powering scientific discovery: BYOKG and GraphRAG for intelligent pharmaceutical research
在这篇文章中，我们探讨了基于图的检索增强生成 (GraphRAG) 如何通过将图数据库与生成式 AI 相结合来改变科学研究。通过这种方法，您可以在不损害科学完整性的情况下加速发现过程。
