12:19官方账号arXiv cs.AI@Rajat Sainju, Dariusz Jarosz, Hairong Shang, Michael Prince, Ryan M. Aydelott, Mathew J. Cherukara, Yine Sun, Michael D. BorlandAPS-RAG是部署在先进光子源(APS)的检索增强生成平台,融合了密集、稀疏和知识图谱三个检索通道,并引入纠正性代理循环与MCP工具层。它在50道题的APS-Bench评估中,完整Agentic GraphRAG版本达到70.3%的严格关键点召回率,超过BM25基线63.8%。移除交叉编码器重排序器后召回率下降32.8%,表明其对答案质量贡献显著。开源和闭源LLM的最终答案合成性能也被对比。该平台及其评估方法已开源,可迁移到其他大型科学仪器。AI模型APS-RAGRAG智能体推荐理由:APS团队搞了个能检索几十年知识库的RAG系统,把BM25的63.8%准确率提到了70.3%。交叉编码器是关键,去掉掉32.8%得分。科学设施运维AI神助攻,代码和基准都开源了。原文稍后读已读值得跟进有用关注 APS-RAG