MixPR：用於長上下文預處理的 Mixture-of-PageRanks 檢索器
Zyphra 提出 MixPR，一套結合兩類 PageRank 檢索、用於高效預處理長上下文輸入的 RAG 系統。系統按任務採用 PageRank 作全域檢索，或 Personalized PageRank 作局部檢索，並在多項長上下文基準測試取得 SOTA 結果。MixPR 可配合任何現有基礎模型，把有效 LLM 上下文長度延伸至十億級，並可在 CPU 上高效運行。
#RAG
#RAG
今日 1 條Zyphra ResearchAI 評分3131
LlamaIndex：產品、工程與評測AI 評分4949 LongLLMLingua：以提示詞壓縮緩解「Lost in the Middle」並降低 RAG 成本
LongLLMLingua 以提示詞壓縮處理 RAG 與長上下文中的「Lost in the middle」問題，並降低 token 用量及成本。其準確率最高可提升 21.4%，token 用量僅為原來的 ¼；長上下文情境下，每 1000 個例子可節省 $28。
LlamaIndex：產品、工程與評測AI 評分6565 超越 OCR：DeepSeek-OCR 的視覺壓縮如何服務文件 AI
LlamaIndex 解讀 DeepSeek-OCR 將文件圖像作為文字資訊的壓縮表示，並分析其與文件解析、LlamaParse 的關係。文中稱，論文示例把 1,000 個文字 tokens 壓至 100 個視覺 tokens，解碼準確率為 97%；20× 壓縮時準確率約為 60%。文章指出，RAG、文件問答和摘要等理解型用途可考慮視覺壓縮；若需要結構化資料、語義層級或精確文字操作，仍需文件解析。
Cohere Labs：官方研究博客AI 評分4444 大型語言模型在 RAG 中的檢索穩健性評估
研究以涵蓋五個資料集、三類任務的 1,891 個樣本，評估 11 個 LLM 在實際 RAG 設定中的檢索穩健性；整體穩健性普遍偏高，但因任務而異。停用推理時，Qwen 和 GPT 模型的穩健性明顯下降，即使在單跳 QA 任務上亦然；把檢索文件作為工具回覆提供，則提升 Claude 模型表現、損害 Qwen 和 GPT 模型表現。研究指出，是否採用 RAG 仍須按個案判斷。
HuggingFace Daily Papers（社區熱門論文）AI 評分3838 SourceLearn：從知識存取到來源學習，培養對特定來源的理解能力
SourceLearn 框架讓 AI 智能體隨時間建立可重用、針對特定來源的理解能力。在 13/15 個設定中取得最佳結果，較 Hybrid RAG 最多提升 +22.6 分；移除關鍵文件後，表現約下跌 8 分，Hybrid RAG 則下跌 25 分。學習成果亦可遷移至未練習的任務，改善指引任務未直接涵蓋的來源部分。