- 论文公开站arXiv
信还是不信：语音中的检索增强事实核查
To Trust or Not to Trust: Retrieval-Augmented Fact Checking in Speech
摘要显示，研究者提出 VeriSpeak，一个用于研究大型音频语言模型（LALM）语音事实核查能力的探针基准，包含 3,879 条口语化声明，覆盖时间、地理与关系类事实，真假标签均衡。实验发现文本与语音之间存在稳定的模态差距：能可靠核查书面声明的模型在同样内容以语音呈现时常常失败；仅靠检索收益有限，因为模型常将检索证据与语音声明混淆，而检索结合显式推理可提升声明-证据比对效果，思维调优的 LALM 达到 86.1% 准确率。
意义：提示开发者：语音场景下事实核查不能简单复用文本能力，需重视跨模态差距与检索证据的显式推理比对。
- 论文公开站arXiv
多跳检索中的可预测失败：分数分布置信评分与弃答
Predictable Failure in Multi-Hop Retrieval: Score-Distributional Confidence Scoring and Abstention
该论文指出多跳检索失败并非均匀分布，而是聚集在结构上可预测的子群体中。作者证明两个结论：置信失败缩减可归约性，以及特征机制互补性。提出 RegimeAbstain 方法，计算检索置信分数（RCS），该分数由最多九个查询-ANN 结构特征的逻辑函数构成，无需额外 LLM 调用，并据此实现校准弃权策略。在三个多跳基准和两种检索架构上评估，RCS 在五种条件下均取得最佳或并列最佳 AUC-AC。
意义：为 RAG 多跳检索提供无需额外 LLM 调用的置信度评分与弃权方案，可降低高置信错误答案率，提升检索系统可靠性。
- 开源项目公开站GitHub
阿里巴巴开源轻量级进程内向量数据库 zvec
alibaba/zvec — A lightweight, lightning-fast, in-process vector database
阿里巴巴在 GitHub 开源 zvec，定位为轻量、极速、进程内的向量数据库，已获约 15939 颗星。设计强调无需独立服务进程即可嵌入应用运行，面向低延迟向量检索场景。
意义：进程内向量库可省去独立服务部署，降低检索延迟与运维成本，对 RAG 与本地 AI 应用开发者有参考价值。
- 论文公开站arXiv
Re³Cap：基于检索引导的强化学习图像描述优化方法
Re$^3$Cap: Retrieval-Guided Refinement for Image Captioning Enhancement via Reinforcement Learning
Re³Cap提出一种检索引导的推理策略，用于增强图像描述生成，无需额外标注。该方法通过描述细化建议器和质量评估器，识别并修正描述中的幻觉与遗漏，从而生成更准确、详细的描述。实验表明，在COCO-LN500基准上，Re³Cap在关系推理任务上平均比GRPO提升8.64%，甚至优于监督微调方法。
意义：该方法利用多模态检索作为推理信号，提升强化学习在图像描述中的探索能力，为无需额外标注的模型优化提供了新思路。
