5. VideoRAG & V-RAGBench

  • 类型：arxiv
  • 标识：2606.13141
  • 链接：http://arxiv.org/abs/2606.13141v1
  • 主题：agent, database, engineering, evaluation, llm-infra, multimodal, rag, risk
  • 主分类：rag
  • 形态：benchmark
  • 被引：0
  • 被引来源：Semantic Scholar + OpenAlex
  • S2被引：0
  • OpenAlex被引：0
  • 影响力被引：0
  • TLDR：V-RAGBench is introduced, a benchmark of $\langle$ query, evidence chunk, answer$\rangle$ triplets that enables faithful, decoupled evaluation of retrieval and generation, and CARVE, a simple method that runs parallel retrievers across configurations and employs chunk-adaptive reranking to identify the winning configuration for each chunk.
  • OpenAlex ID：W7164529186
  • OpenAlex DOI：10.48550/arxiv.2606.13141
  • DOI：10.48550/arxiv.2606.13141
  • DOI来源：OpenAlex
  • 开放获取：green
  • 开放获取链接：https://doi.org/10.48550/arxiv.2606.13141
  • OpenAlex更新：2026-08-23
  • 标题中文：5. VideoRAG 与 V-RAGBench
  • TLDR中文：本文提出 V-RAGBench——一个由 ⟨query, evidence chunk, answer⟩ 三元组构成的基准，可对检索与生成进行忠实且解耦的评估；同时提出 CARVE，一种在多种配置下并行运行检索器、并通过分块自适应重排序为每个分块挑选最优配置的简易方法。
  • 副分类：evaluation
  • 待LLM分类：否
  • 来源文件：
  • /inbox/tom/2026-06-13-rag-agent-multimodal-radar.md
  • /inbox/tom/2026-06-14-agent-rag-eval-radar.md
  • [S2 enrich]
  • /inbox/tom/_candidates/2026-06-17-rag-retrieval-reranking-candidates.json
  • [OpenAlex backfill]

可复用信息

    • 发布时间：2026-04
    • 核心创新：层级化知识组织（Domain → Collection → Document），通过多阶段路由逐步限制检索和生成范围
    • 适用场景：异构语料库、多步查询、企业知识库
    • 技术特点：无需修改底层 LLM，仅通过结构化设计提升鲁棒性和事实准确性
    • 建议标签：#RAG #hierarchical-retrieval #domain-oriented #enterprise-KB
    • arXiv ID：2606.13141v1
    • URL：https://arxiv.org/html/2606.13141v1

写作用途

  • 可放入 RAG / 知识库 / 检索增强相关工作的对比段。
  • 可用于 Agent 架构、记忆、工具调用或多智能体研究背景。
  • 可用于多模态推理、视觉语言模型或长上下文多模态问题定义。
  • 可用于系统实现、实验平台或工程约束说明。
  • 可用于局限性、风险、失效模式和未来工作。

待补齐

  • BibTeX / 正式引用格式
  • 方法与实验设置细节
  • 与现有工作的差异点
  • 是否有代码和数据集