速報
語義解纏管線（SDP）：降低向量語義纏結、提高 RAG Top‑K 檢索精準度
研究發現，當文件在連續文字混雜多主題時，向量化會造成語義纏結。提出語義解纏管線（SDP），以四階段預處理重構文件、採情境化結構與持續回饋，目的是降低跨主題重疊並改善檢索。實驗顯示Top-K檢索精準由約32%增至約82%、Entanglement Index由0.71降到0.14。
向量檢索
RAGFlow
RAGFlow：將檢索增強生成（RAG）與代理人流程整合的開源工程實作
在 GitHub 值得關注的開源專案 RAGFlow 中，作者把檢索增強生成與代理人能力結合，建構一層供大型語言模型使用的上下文引擎。專案採 Python 生態與 Apache 授權，並提供線上示範與文件；此方向有助企業模組化多步查詢與工具協調，降低整合成本並提升可觀察性。
深度分析
NSFL 後訓練神經符號模糊邏輯框架提升向量檢索布林運算精度
標準密集檢索缺乏多原子邏輯運算。研究者提出 NSFL 框架，將 t‑norm 與 t‑conorm 直接映射至神經嵌入，並以 Neuro‑Symbolic Deltas 調整表示。實驗顯示 mAP 提升最高 81%，為檢索技術帶來顯著突破。