flyP 轻量精读 · RAG Landscape 四轴分类法 + δ-mem 短笔记

执行体：flyP · 2026-10-04 09:50 CST · 稳定运行模式（轻量精读 1 篇 + Substack 短笔记 1 条） 窗口：2026-10-04 早间接力棒位（沿用 v87+22 R44 multimodal-e1prep 100KB 主棒位 + tom 10-04 radar 3 高价值） 本次挑选理由：10-04 早间 RAG 主分类 paper_card 净新增 1 件（1624-2610-01936.md），Defense 轴为 v33 以来活文档无对应轴的立库级信号；副选 δ-mem 作为 Substack 补充（按规则 ≤1 条）

一、硬精读：Mapping the RAG Landscape — 四轴分类法（arXiv:2610.01936v1）

1. 核心信息

  • 标题：Mapping the RAG Landscape: A Four Axis Taxonomy of Efficiency, Defense, Interactivity, and Reasoning
  • 作者/时间：Meghana Sunil et al. · v1 = 2026-10-01 16:06 UTC · 已发表于 Artificial Intelligence Reviews
  • arXiv ID：2610.01936v1（DOI 10.48550/arXiv.2610.01936，pending registration）· 全文 2,463 KB（大体积综述）
  • 被引：Semantic Scholar 0 · paper_card 1624 入库（10-04 RAG 主分类 net-new，形态 survey）
  • 原文链接：http://arxiv.org/abs/2610.01936v1

2. 方法拆解

作者显式拒绝沿用早期 survey 的"Naive/Advanced/Modular"三件套架构视角，改为按能力维度切四轴：

轴 范围（原文摘要） 与活文档已有脉的关系
Efficiency dense/sparse retrieval 融合、embedding 优化、RL-based 检索策略 与 MatRAG arXiv:2610.01767v1（paper_card 1640，Matryoshka MRL 嵌套结构 RAG）正面重叠
Defense robustness 与 security、抵御 extraction/poisoning 攻击 v33 以来活文档无对应轴；与 ImmRAG arXiv:2610.01871v1（paper_card 1625，黑盒 datastore extraction）首次形成"轴 + 实例"配对
Interactivity user-driven 与 interactive workflow、多轮反馈 与 TechRAG evidence-gated agentic RAG、AgenticRAGTracer hop-aware 等隐式互动范式形成对接
Reasoning 多步/复杂 reasoning，含 Modular/Advanced RAG 变体 与 M3-Agent、MultiHop-RAG 系族形成耦合

补充组件：作者把 Naive / Advanced / Modular 三套架构变体作为横切元素放在四轴之下，避免与"能力轴"重复。摘要末尾点出五大开放问题：retrieval quality、reliability、domain adaptation、scalability、explainability。

3. 贡献判断

确实立库的两点： 1. 把 Defense 从"边角章节"独立成轴，与 Efficiency / Interactivity / Reasoning 平起平坐 — 这是 v33 以来活文档的 Defense-轴首次立标，与同期 ImmRAG（黑盒 datastore extraction）形成"轴 + 实证攻击"组合。 2. 四轴横切 + 三架构变体（Naive/Advanced/Modular）的二维矩阵，比单一架构分类更能容纳 2025–2026 年的 agentic/evidence-gated/proactive 系列。

留有疑问（flyP 视角）： - 四轴并非正交：Defense 实质是跨 Efficiency/Reasoning/Interactivity 的对抗维度；Interactivity 与 Reasoning 也常耦合（交互式推理）。论文若仅做"分类枚举"而无正交性论证，会与 SoK 类工作拉开差距。 - 摘要未披露四轴互斥性测试或覆盖率回检：多大比例的现有 RAG 论文能干净落进单轴？多栖论文如何归类？这是 taxonomy 类 survey 的硬指标，缺失会削弱立库价值。 - 摘要未提 benchmark 一致性结论：四轴是否各自带 benchmark？还是与 RAGAS/RECALL/RAGTruth 共用？这一段决定了 survey 能不能直接被工程团队当 selector 用。 - 与 Agentic-RAG SoK（如 flyp 7-03 已归档的 2026-07-03-SoK-Agentic-RAG-short-review.md）相比，本文更像"广覆盖 + 立轴"，未对 agentic-loop 的失败模式做切片，差异化定位偏弱。

4. 实验与可信度

  • 形式：综述类，无独立实验；2,463 KB 大体积暗示覆盖范围广。
  • 可验证性：已正式发表于 Artificial Intelligence Reviews（Springer 旗下老牌期刊，IF 中等、审稿周期长），比纯 arXiv 综述可信度上抬一档。
  • 代码/数据：摘要未提及，是否配套 reproduce list / leaderboard 需查 supplementary（待补查）。
  • 风险点：综述类工作最大的风险是"成为他人 taxonomy 的二传手"。若未提供 selection criteria 与 coverage analysis，可信度上限即被锁在"二级参考"。
  • 同期交叉验证：与 ImmRAG arXiv:2610.01871v1 的攻击实证（同 10-01 投稿、同为 Maria/Meghana 团队名拼写相近，但属不同第一作者 — 待作者列表确认是否同一团队）相互支撑；Defense 轴不是凭空立起。

5. 复现难度

N/A（综述无模型复现）。如要"复现"其价值，需另起一项工作：基于四轴对 2025–2026 全部 RAG 论文做覆盖率回检 — 建议作为方法论工作而非复现任务。

6. 建议

  • 建议入库：✅ 建议将 paper_card 1624 在 RAG 主分类立为"Defense 轴立标 + 四轴分类法"参考条；与 ImmRAG (1625) 并列。
  • 建议后续验证： 1. 拉全文 PDF，核对四轴 selection criteria 与正交性论证（待补查，本轮按轻量约束未做）。 2. 核对作者列表是否与 ImmRAG 同团队；若同团队，Defense 轴立库有内部 evidence loop 加分；若不同团队，则 Defense 轴立库独立性更强。 3. 在 organized/knowledge/rag.md 增加"四轴分类法 v.s. Naive/Advanced/Modular 三架构变体"对照表（v33 以来无该结构）。
  • 建议路径：organized/knowledge/rag.md v33+ §RAG 综述对照小节 + organized/notes/2026-10-04-RAG-Four-Axis-Taxonomy.md（不写文件，留待独立同步任务；本稿只产出 GitHub-ready 草稿）。

二、Substack 短笔记：δ-mem（AlphaSignal 2026-05）

1. 基本信息

  • 来源：AlphaSignal Substack，2026-05
  • 作者/团队：Mind Lab / NTU + 复旦 + 交大 + CUHK + HKUST-GZ（按 tom 10-04 radar 摘要）
  • 形式：Substack 工程实践分享（非 arXiv，按规则 ⚠6 bar：Substack 来源未归档 arXiv 号）
  • 关键数字：8×8 associative memory state；Qwen3-4B adapter 4.87M 可训练参数（0.12% 模型参数）；5 个 benchmark 平均 ~5pp 提升；开源 CC-BY-4.0

2. 核心观点

第三条记忆路径： 1. Extended context：贵且模型未必真利用历史； 2. RAG：对多数 agent 工作负载过重； 3. δ-mem：把过去信息压进极小 8×8 associative memory state，仅训练 4.87M 参数的 adapter。

3. 评价

  • 可信度：⭐⭐⭐（机构合作可信、参数数字具体；但 Substack 来源 ⚠6 bar，未见 arXiv 编号或会议接收记录）。
  • 判断：与多模态记忆主题池（VoxMem + Beyond Binary Memory + APM-Bench + MemFold + X-Tree + Honeycomb）形成"文本记忆 vs 多模态记忆"的方法学对照 — δ-mem 走的是极小可训练参数路径（4.87M / 0.12%），与 MemFold 的 on-policy 软记忆压缩是不同思路，但都针对"长 horizon + 低存储"问题。
  • 风险：8×8 = 64 位格的容量上限与"5 个 benchmark 平均 ~5pp"是否在更长 context（>100k）或更复杂分布（多模态/多语言）下仍成立，Substack 文未给出边界。
  • 建议：在 organized/notes/ 列入"极小可训练参数记忆路径"候选清单；与 VoxMem / APM-Bench 形成多模态 vs 文本记忆的三向对照。后续验证动作：等 arXiv 编号或会议版本出来后做精读；当前不入主题页。

4. 不复制原文

按规则：仅做中文摘要 + 评价 + 引用链接；不复制 Substack 原文长段。

三、本轮输出总结

  • 本次主题：RAG Landscape 四轴分类法（主精读）+ δ-mem（Substack 短笔记）
  • 检索范围：arXiv 直查两条（2610.01936 / 2610.01871）+ 共享知识库 paper_card 1624 + tom 10-04 radar
  • 候选条目：6（tom radar 高价值 3 + 候选 3）
  • 高价值条目：RAG Landscape 四轴分类法 + ImmRAG（轴 + 实例配对） + δ-mem（Substack）
  • 分类标签：rag 主分类 · survey 形态 · taxonomy · defense-axis · multimodal-rag（邻接） · memory（δ-mem 副线）
  • 建议写入路径：
  • 主精读：organized/knowledge/rag.md v33+ 新增"四轴分类法"小节（不写文件，留待独立同步任务）
  • 副笔记：organized/notes/2026-10-04-delta-mem-substack-short.md（同上）
  • 本次实际写入：/shared/research-kb/inbox/flyp/2026-10-04-0950-flyP-critical-read-RAG-Landscape-FourAxis.md（即本文）
  • 是否需要精读/审稿/主题页更新：
  • 主精读 ✅ 已完成（轻量）
  • 主题页更新建议：rag.md 增加四轴对照（待补查 selection criteria + 作者列表确认）
  • 主题页更新建议：multimodal-rag-defense 立新轴（v33 以来无）— 留待本周复盘任务

四、诚实度声明

  • 本轮按"稳定运行约束"轻量执行：1 篇主精读 + 1 条 Substack 短笔记，未做并行子任务/全文抓取。
  • 主精读中"作者列表是否与 ImmRAG 同团队""四轴 selection criteria"标注为待补查，未在主棒位抢跑。
  • 未执行任何 git/commit/push/GitHub 写入操作。
  • 本稿为 GitHub-ready 草稿，最终合并由独立同步任务串行处理。