开源AI智能体运行时Apowerb发布：支持RAG、Text-to-SQL与Webhooks
开源AI智能体运行时项目Apowerb正式在GitHub发布。该工具专为智能体应用构建而设计，提供了包括检索增强生成（RAG）、自然语言转SQL（Text-to-SQL）以及Webhook事件集成在内的核心功能支持，旨在为开发者提供一个统一、可扩展的运行时环境，以便更高效地开发和部署各类自动化AI智能体应用。
DC AI 热点
全部 AI 动态
9月25日2026-09-25
META：结合情景记忆检索的多智能体金融决策框架
针对现有大语言模型交易系统多侧重长期预测或缺乏状态记忆等缺陷，研究人员提出了记忆增强型交易智能体框架 META。该框架是首个引入类似检索增强生成（RAG）的情景记忆增强型多智能体金融决策系统，通过整合一系列专门的指标分析智能体，有效解决了复杂交易环境下的动态决策需求，提升了智能体在金融分析与交易推理中的实际应用能力。
CRISS：基于检索增强生成的癌症登记智能辅助问答系统
针对癌症登记员及肿瘤数据专家需处理复杂且频繁更新的编码和分期标准这一痛点，研究团队开发了CRISS（癌症登记智能支持系统）。该系统采用检索增强生成（RAG）架构，构建能够快速提供引文支持的对话助手。研究评估了CRISS在提供准确且附带引用来源的解答、改善指南检索与解读、以及在保持人工最终审核的前提下支持人员培训和技术咨询等方面的实际效果。
表格 OCR 实用指南：如何从复杂文档中提取结构化数据
本文探讨了面向表格的 OCR 技术，介绍如何将复杂文档布局转化为结构化、机器可读的数据。文章重点分析了提取表格数据的核心挑战，并展示了如何借助 LlamaParse 等解析工具保留表格完整性，助力开发者在知识库构建与 RAG 应用工程中高效处理复杂文档内容。
LiteParse 发布更新：PDF 解析提速至每页 2.8 毫秒并增强表格提取能力
文档解析工具 LiteParse 发布技术更新。本次更新中，PDFium 解析速度大幅优化至每页 2.8 毫秒；跨多项基准测试的表格提取表现获得显著提升；新增带有边界框的视觉定位功能；并引入了全新的 is-complex API，以支持针对不同复杂度文档的智能处理路由。这些改进为下游大模型与 RAG 应用的数据预处理工程提供了更高效的支撑。
9月24日2026-09-24
LEGO：融合专家GraphRAG与思维链的法律推理框架
针对大语言模型在复杂法律推理中面临的结构性挑战，研究人员提出了LEGO框架。传统RAG及GraphRAG往往侧重词汇或语义相似度，忽略了法律条文间的规范关系；而普通思维链提示易生成缺乏法律规范结构的推导过程。LEGO采用双模块架构，将法律专家GraphRAG与专家级思维链相结合，有效规范了法律条文检索与逻辑推理链路，旨在突破高风险法律领域的推理瓶颈。
LatWeave：基于知识格的确定性多跳问答框架
针对现有大语言模型和检索增强生成（RAG）等概率系统易产生幻觉、证据链难以审计及强行作答等缺陷，该研究提出了 LatWeave 框架。LatWeave 将知识组织为多维知识格，并将复杂的多跳问答编译为三个确定性算子：约束交集（meet）、格序比较（compare）与弃权判断（abstain），旨在将知识存储与逻辑推理过程彻底解耦，提供可审计、零幻觉风险且知错能弃权的问答能力。
基于Wiki LLM索引优化机器学习课程助教系统
该研究探讨大语言模型在充当特定课程导师时的落地优化。研究团队针对真实机器学习课程资料构建了多模态检索增强生成（RAG）系统，前期发现固定检索策略存在局限性，进而转向探索在数据摄入阶段对知识语料库进行结构化整理（如Wiki LLM索引）是否比查询阶段增加检索量更为重要。由于原始论文摘要文本在阐述具体实验前截断，详细结论在摘要中未完全披露。
越南劳动法跨语言法律问答：检索、翻译与验证器引导修正
针对跨语言法律问答中跨语言法条检索及避免无依据主张的挑战，研究者推出了基于越南劳动法的双语评估基准，包含231个越英问答对，其中75个针对五类法律推理现象进行了额外标注。研究评估了一种验证器引导的流程，该流程将答案拆解为主张，检测引用可达性与蕴含关系，并纠正引用失效及事实矛盾。此外，该研究还提出了六种用于评估检索证据忠实度的自动化诊断指标。
RAG-NAROK：面向检索增强生成的检索感知型知识库投毒攻击
针对检索增强生成（RAG）系统的安全漏洞，该研究指出当前架构对动态检索流水线的依赖带来了新型对抗风险。现有知识库投毒攻击大多采用静态预设注入，未考虑受害系统在面对具体查询时的实际检索内容。为此，论文探索了具有检索感知的投毒机制，分析攻击者如何利用特定源反驳等手段在竞争性检索环境中提升攻击效果，揭示了RAG系统潜在的安全隐患。
9月23日2026-09-23
向量搜索渐成基础数据类型，但成本与商业经济账仍待解决
文章探讨了向量搜索（Vector Search）技术的发展现状。虽然向量搜索正逐渐演进为一种基础数据类型并集成至各类数据库系统中，但其背后的算力消耗、存储开销及整体经济成本（Money Math）依然是企业在实际落地时需要面对的核心挑战。由于输入材料缺乏详细摘要，具体的技术方案与财务分析细节尚不充分。