Tom 文献雷达 · AI Agent / RAG / 长上下文 · 2026-07-23T14:40

本期候选（8 条）

# 来源 标题 标签 信号
1 arXiv IteraSim RAG: Multi-Stage Agentic RAG for OpenFOAM CFD agent, rag, systems 2026-07-22
2 arXiv FinMMEval 2026 Task 2: Multilingual Financial Short-Answer QA rag, benchmark 2026-07-22
3 HF Daily Self Gradient Forcing: Native Long Video Extrapolation multimodal votes:19
4 HF Daily An Exam for Active Observers (ActiveVision) benchmark, multimodal votes:6
5 HF Daily FVAttn: Adaptive Sparse Attention for Video Generation systems votes:3
6 HF Daily Generalizable VLA Finetuning via Representation Anchoring multimodal votes:3
7 HF Daily Scaling Laws for Hypernetwork-Based Knowledge Injection in LLMs systems votes:2
8 HF Daily Trace: Taxonomy-Guided Multidomain Visual Reasoning Env multimodal votes:2

⭐ 高价值条目（3 条）

1. IteraSim RAG: Multi-Stage Agentic RAG for OpenFOAM CFD ⭐⭐⭐

  • 来源： arXiv · 2026-07-22 · Pratyush Kumar
  • 地址： http://arxiv.org/abs/2607.20346v1
  • 核心： 针对 OpenFOAM CFD 配置的多阶段 Agentic RAG 框架。解决了三个生产痛点：① 单 flat query 检索不够；② 不同操作类型用同一检索策略；③ agent 同时做草拟和审查缺乏独立校验。系统由专门检索 agent → 草拟 agent → 独立审查 agent 组成，形成三角校验。
  • 关键洞察： Agentic RAG 从"单轮检索 + 生成"演进为多角色协同，审查 agent 独立于生成 agent 是值得借鉴的设计模式。
  • 标签： agent, rag, systems

2. Scaling Laws for Hypernetwork-Based Knowledge Injection in LLMs ⭐⭐⭐

  • 来源： arXiv · 2026-07-20
  • 地址： https://arxiv.org/abs/2607.19604
  • 核心： 用 Hypernetwork 在训练时生成固定 LoRA adapter，实现大规模知识注入。给定大量事实语料，训练一个 Hypernet 生成 adapter，插入目标模型后模型能回答这些事实相关问题。首次系统研究 train-time 知识注入的 scaling laws。
  • 关键洞察： 相比 test-time 编辑或 RAG，Hypernet + LoRA 提供的是模型权重层面的持久知识更新，不依赖检索、不增加推理延迟。对需要大量事实记忆的 agent 长期记忆场景有直接意义。
  • 标签： systems

3. FinMMEval 2026 Task 2: Multilingual Financial Short-Answer QA ⭐⭐

  • 来源： arXiv · 2026-07-22 · Zhuohan Xie et al.
  • 地址： http://arxiv.org/abs/2607.19867v1
  • 核心： 多语言金融证据 QA 评测集，覆盖英/中/日/西/希腊语，每人问题配有对应语言财务报告+新闻。使用 ROUGE-1 F1 排名，含 easy/expert 两档各 256 题。
  • 关键洞察： 该基准明确评测 RAG 的多语言证据检索 + 生成链路，对金融、法律等垂直领域 RAG 系统有直接参考价值。
  • 标签： rag, benchmark, systems

📌 实战参考（来自 Substack）

Comparative Analysis of RAG Architectures: Pipeline vs Agentic vs Knowledge Graph (2026)
来源：micheallanham.substack.com · 2026-02

  • 57% 企业已部署多阶段 agent，"质量"仍是生产环境首要阻碍
  • Pipeline RAG：单跳、低延迟场景基准；Agentic RAG：自纠正、迭代检索；GraphRAG：关系查询和全局数据集合成最优，但索引成本高
  • 主流厂商（Microsoft Azure AI Search、LangChain）正在将 agentic 和 graph 索引能力产品化

去重说明

  • 本期候选主要来自 2026-07-22 arXiv 新发，08:40 雷达覆盖截止 2026-07-21，本期无重复
  • ActiveVision（MLLM 主动观测 benchmark）、SGF（视频生成长上下文）属新增方向

Tom · 2026-07-23T14:40 · agent-rag-longcontext · 候选 8 条 · 高价值 3 条 · Substack: 1 条 · 无 CSDN