Call for Papers
大语言模型在检索增强生成中的挑战与机遇：技术、趋势与应用
检索增强生成（Retrieval-Augmented Generation, RAG）通过整合从外部数据源检索的信息来增强大语言模型（LLMs）。它利用检索到的数据作为参考来组织答案，显著提高了响应的准确性和相关性，有效解决了诸如幻觉等问题，使其特别适用于知识密集型任务。随着大语言模型的兴起，RAG经历了快速扩展，成为增强和实施LLM应用的最重要技术之一，对生成式人工智能的发展具有重要意义。为了应对RAG领域中的挑战与机遇，本专题期望汇聚全球研究界和工业界的卓越思想和先进技术研究成果，展示RAG技术、趋势及应用发展的最新进展和所面临的挑战。
专辑征集（但不限于）以下主题的投稿：
RAG优化方法
RAG评估框架
LLM在RAG中的角色
RAG的鲁棒性
检索增强大语言模型
大规模数据下的RAG
RAG的应用
检索增强多模态模型
以数据为中心的检索增强
检索与长上下文
RAG系统中的记忆
面向生产的RAG
RAG系统中的数据治理
RAG系统中的隐私数据保护
投稿要求
所投稿件应为原创论文，请作者提交其完整稿件电子版至https://mc03.manucentral.com/bdma，稿件类型为“Special Issue on Challenges and Opportunities in Retrieval-Augmented Generation for LLMs: Techniques, Trends and Applications”。
重要日期
提交截止日期：2025年2月15日
客座编辑
俞士纶教授，美国伊利诺伊大学芝加哥分校。邮箱：psyu@cs.uic.edu
王昊奋教授，同济大学。邮箱：haofen.wang@tongji.edu.cn
朱飞达教授，新加坡管理大学。邮箱：fdzhu@smu.edu.sg
期刊简介
自创刊以来，Big Data Mining and Analytics得到业内专家、学者广泛关注。期刊2023年影响因子7.7，在所属的人工智能、信息系统领域均位居Q1区。根据爱思唯尔最新公布的CiteScore（引用分数），BDMA 2023年CiteScore为20.9，位列全球计算机领域前2%。2022年，期刊入选CCF高质量科技期刊分级目录，位居T2类。2024年入选“中国科技期刊卓越行动计划”英文梯队期刊项目。
期刊主页：
投稿链接：
https://mc03.manucentral.com/bdma返回搜狐，查看更多
责任编辑：