Tom 文献雷达 · Agent + RAG + Long Context · 2026-08-01

本期概况

  • 候选总数：8 条
  • 高价值：4 条
  • 数据来源：arXiv metadata + HF Daily（2026-07-27 ~ 07-30）
  • Substack 补充：无（本期搜索未命中 Substack 来源）

⭐ 高价值条目（4 条）

1. DualG-MRAG: Decoupling Macro-Reasoning and Micro-Matching for Multimodal RAG

  • 来源：arXiv · 2026-07-30
  • 作者：Jiacheng Tao, Qingyun Sun, Haonan Yuan, Ziwei Zhang, Jianxin Li
  • 链接：http://arxiv.org/abs/2607.28580v1
  • 标签：RAG · multimodal · benchmark
  • 摘要：现有 MM-RAG 方法在复杂多跳推理任务上仍表现不佳，核心问题是实例级独立匹配无法捕获跨模态/跨文档的显式关系。现有图增强方法在多模态场景下面临两难：引入细粒度视觉特征导致图快速膨胀和检索噪声；用粗粒度表示则丢弃关键局部证据。DualG-MRAG 提出将宏推理（macro-reasoning）与微匹配（micro-matching）解耦处理。
  • 价值判断：多跳 multimodal RAG 的架构级改进，值得跟进。

2. GLM-RAG: Graph Language Models for Graph-Based RAG

  • 来源：arXiv · 2026-07-30
  • 作者：Maya Arseven, Anette Frank, Beni Egressy, Johann Higl, Moritz Plenz
  • 链接：http://arxiv.org/abs/2607.28397v1
  • 标签：RAG · benchmark
  • 摘要：RAG over knowledge graph 需要同时捕获图结构和语义信息。本文引入 GLM（Graph Language Model）作为 retriever，并与 GNN-based、vector-search-based retriever 在单跳和多跳 RAG 场景下做系统对比评估。
  • 价值判断：GLM vs GNN vs 向量检索在知识图谱 RAG 上的系统性对比，评测设计有价值。

3. Σ-Mem: An Online Reliability Memory for LLM-based Multi-Agent Systems

  • 来源：HF Daily · 2026-07-29 · 21 票
  • 链接：https://arxiv.org/abs/2607.27958
  • 标签：agent · memory · systems
  • 摘要：现有 memory 系统主要保存交互内容，而非建模哪些 agent 在何种条件下可被信任。Σ-Mem 提出在线可靠性记忆，通过后决策正确性反馈实时更新两个对称状态：对等方 competence 证据和对等关系证据。解决了中心模型无法直接验证对等响应的核心问题。
  • 价值判断：multi-agent 信任建模与 memory 交叉的前沿工作，思路新颖。

4. Filesystem-Based Memory for LLM Agents: Organization, Evolution, and Sustainability

  • 来源：HF Daily · 2026-07-28 · 21 票
  • 链接：https://arxiv.org/abs/2607.26637
  • 标签：agent · RAG · memory · benchmark
  • 摘要：首个对 LLM agent 文件系统式长期记忆的系统性研究。核心问题：agent 能否在记忆累积、冲突、过时时保持目录树组织结构？这种组织方式是否值得？提出 benchmark 框架，验证了文件系统记忆的可持续性与挑战。
  • 价值判断：将"markdown 文件树"作为 agent memory 媒介的首个系统研究，贴近工程实际。

📋 其他候选（4 条）

5. ConMem: Contribution-Aware Memory for Long-Horizon Manufacturing Inspection Logs

  • 来源：arXiv · 2026-07-30
  • 标签：RAG · memory · systems
  • 摘要：工业检查长周期 memory 框架，通过 contribution scoring 筛选高诊断价值证据单元，实现早期风险预警。为 memory 的"贡献感知"提供了一条工程落地路径。

6. See2Think: Do Multimodal Models Really Use Intermediate Visual States?

  • 来源：HF Daily · 2026-07-28 · 21 票
  • 标签：multimodal · benchmark · RAG
  • 摘要：See2Think benchmark（含 VAoT），1200 个开放视觉依赖问题，评估多模态 LLM 是否真正依赖中间视觉状态。适合诊断 multimodal pipeline 中的 reasoning 链路。

7. OmniScope: Modality-Decoupled Token Compression for Omnimodal LLM

  • 来源：HF Daily · 2026-07-27 · 2 票
  • 标签：multimodal
  • 摘要：训练无关的 token 压缩框架，对 audio/video 分别估算 query 相关性，解决跨模态显著性不匹配问题，减少多模态 LLM 的推理 token 预算。

8. Fairness Pruning: Locating Demographic Bias in GLU-MLP Layers

  • 来源：HF Daily · 2026-07-29 · 2 票
  • 标签：systems
  • 摘要：通过对比激活分析定位 LLM 中的人口统计学偏置神经元，与本 radar 主题关联度较低。

💡 本期洞察

RAG + Agent + Memory 三条主线趋同： 1. 多跳 RAG 的图解耦：DualG-MRAG 和 GLM-RAG 分别从推理结构和 retriever 架构层面改进了多跳场景，是近期 RAG 领域的主要创新方向。 2. Agent Memory 的可信赖性：Σ-Mem 引入在线信任评估，Filesystem Memory 探索持久化组织，共同指向 memory 不只是"记住"而是"可信地记住"。 3. RAG vs Long Context 的实用边界（本期 web search 补充）：2026 年工业界共识是" retrieval 选证据，long context 做深度推理"，两者互补而非替代；RAG 的架构复杂度在 1M+ context 时代并未消失，但在 bounded 任务上可简化。

Tom 文献雷达 · 每日 3 次 · 轻量版 生成时间：2026-08-01T00:40 UTC*