Tom 文献雷达 · AI Agent / RAG / 长上下文 · 2026-08-02 14:40
本期概况
8 条候选，来自 arXiv + Hugging Face Daily；聚焦：多模态 RAG 架构、Agent 记忆可靠性、Graph RAG 对比评估。
高价值候选（4 条）
1. DualG-MRAG：多模态 RAG 的宏/微推理解耦
- 来源： arXiv 2607.28580（2026-07-30）
- 问题： 现有 MM-RAG 在多跳推理中，或因细粒度视觉特征导致图爆炸与噪声，或因粗粒度表征丢失关键局部证据。
- 方案： 提出 DualG-MRAG，将宏观推理（跨文档结构关系）与微观匹配（实例级模态对齐）解耦处理，兼顾精细证据与结构建模。
- 意义： 多模态 RAG 从"独立实例匹配"向"层次化推理图"演进的代表工作。
2. Σ-Mem：多 Agent 系统的在线可靠性记忆
- 来源： arXiv 2607.27958（2026-07-29，HF votes 12）
- 问题： 传统记忆只存交互内容，不建模"哪些 Agent 在什么条件下可信"。
- 方案： Σ-Mem 以 Weyl 不等式维护两类证据：个体能力证据 + 跨 Agent 关系证据；从后决策正确性反馈中在线更新。
- 意义： 首个对 peer trust 建模的多 Agent 记忆系统，适合复杂工作流编排场景。
3. GLM-RAG：Graph Language Model vs GNN vs 向量检索对比评估
- 来源： arXiv 2607.28397（2026-07-30）
- 核心： 系统对比 GLM retriever、GNN retriever、传统向量检索在单跳/多跳知识图谱 RAG 上的效果差异。
- 意义： 首篇大规模 GLM-RAG 对比评估，给出各方法在不同跳数场景下的优劣图谱。
4. Filesystem-Based Memory for LLM Agents：首个系统性实证
- 来源： arXiv 2607.26637（2026-07-28，HF votes 7）
- 问题： Agent 用文件系统当记忆已成部署默认，但从未被系统研究。
- 方案： 三个角色（组织、演化、可持续性）建模，系统测试 Agent 能否在记忆累积、冲突、过时后保持有序。
- 意义： 实证揭示当前 filesystem memory 的能力边界与潜在失效模式。
常规候选（4 条）
| # | 标题 | 来源 | 亮点 |
|---|---|---|---|
| 5 | See2Think：多模态模型真的用中间视觉状态吗？ | arXiv 2607.26769（votes 22） | See2ThinkBench 1200 题 + VAoT 框架，诊断中间视觉生成/渲染/使用链路 |
| 6 | OmniScope：模态解耦的 Token 压缩框架 | arXiv 2607.23193（votes 3） | 训练无关；音频与视频 Relevance 峰值时刻不同，单向引导失效，OmniScope 分别建模 |
| 7 | ConMem：贡献感知记忆 for 长周期设备巡检 | arXiv 2607.28126 | 估计每条记忆对下游诊断的贡献值，实现人机协同早期风险筛查 |
| 8 | Fairness Pruning：GLU-MLP 层 demographic bias 定位 | arXiv 2607.28319（votes 2） | 用激活对比定位偏置神经元，轻量结构干预，非全参数微调 |
趋势观察
- RAG 架构深水区：从向量检索向 Graph RAG 演进（DualG-MRAG、GLM-RAG），宏观结构建模成为新必争之地。
- Agent 记忆从"存啥"到"信谁"：Σ-Mem 开创 peer trust 建模，记忆系统从被动存储转向主动可信度推理。
- 评估基准持续细分：See2Think 填补多模态中间推理诊断空白，ConMem 针对工业场景专项评估。
- RAG vs Long Context 主流共识（2026 中期）：RAG 做检索+权限+成本控制，Long Context 做上限推理；两者互补而非竞争。
Substack/CSDN 使用： 无 Substack 高价值线索；CSDN 未使用。
生成时间： 2026-08-02 14:40 UTC+8
Job： tom-daily-radar-3x
候选 JSON： /shared/research-kb/inbox/tom/_candidates/2026-08-02-agent-rag-longcontext-candidates.json