Tom 文献雷达 · Agent / RAG / Long-Context · 2026-08-26 14:40 UTC

主题： AI Agent · RAG · 检索 · 长上下文 · 评测 · 新论文
来源： arXiv metadata + HF Daily（富化版本/被引/TLDR）
本次候选总数： 8 条
Substack 参考： 1 条（轻量补充）

💎 高价值条目（3 条）

1. WeMM-Embedding：通用多模态 Embedding 家族（2B/4B/9B）

  • 来源： HF Daily | arXiv:2608.24053 | 票数 41
  • 摘要： 微信团队多模态 Embedding 系列，支持文本/图像/视频/富文档/交错多模态输入，输出维度可灵活配置。分两阶段训练：大规模多模态对齐 → 精选数据精调。含 2B/4B/9B 三个规格，RAG 和 Agent 系统的多模态检索核心组件。
  • 标签： agent rag benchmark multimodal
  • ⭐ 价值点： 多模态 RAG / Agent 检索基础设施工具，微信内部验证，直接可参考

2. Evidence Blindness in DCI：证据盲区——RAG 演进的新瓶颈

  • 来源： arXiv:2608.24764v1（2026-08-25）| 作者：郭洪宇等
  • 摘要： 大模型 Agent 正从传统 RAG 走向直接语料交互（DCI）。但有限交互轮次内，所需证据可能：① 未被检索到，② 被检索但未打开，③ 打开但关键片段未暴露。论文将此渐进式静默损失定义为 Evidence Blindness，并量化阶段证据实现率。动态导航（AtlasNav）在 DCI 范式下收益甚微，需重建可复用语料组织结构。
  • 标签： agent rag benchmark
  • ⭐ 价值点： 新概念框架，直击 Agent+RAG 核心问题；AtlasNav 方案可作为评测基准参考

3. δ-mem：介于 RAG 和 Long Context 之间的第三记忆路径

  • 来源： AlphaSignal（Substack）| 2026-05-12 arXiv | 票数参考 10.1K 阅读
  • 摘要： 长上下文成本高但模型并不总能有效利用历史。δ-mem 在一个 8×8 关联记忆矩阵中存储历史信息，仅 4.87M 可训练参数（模型参数 0.12%），Qwen3-4B-Instruct 评测平均提升 4.87pp。适合 Agent 的轻量在线记忆，而非重型 RAG 或全上下文。
  • 标签： agent memory
  • ⭐ 价值点： Agent 记忆架构新范式；极低开销，可与 RAG 互补；HF 已开源 CC-BY-4.0

📋 候选完整列表（8 条）

# 标题 来源 票/信号 核心标签
1 WeMM-Embedding HF Daily 41票 agent rag multimodal
2 Evidence Blindness in DCI arXiv 新 agent rag benchmark
3 δ-mem: Online Memory for LLM Substack 10K阅 agent memory
4 OraRL: 视频 MLLM 强化学习 HF Daily 62票 multimodal
5 PinSieve: 生产选择性 VLM Serving arXiv 新 agent memory systems
6 Game2World Engine HF Daily 4票 multimodal
7 Smart Glasses 感知平台 HF Daily 3票 rag benchmark multimodal
8 Length-Adaptive 翻译解码 HF Daily 1票 rag

📌 简评

  • 多模态 Embedding 赛道持续升温，WeMM 是近期最完整的工程实践。
  • DCI + Evidence Blindness 是 RAG 演进方向的信号：问题已从「能不能检索」变成「交互预算内证据能否被有效暴露」。
  • δ-mem 填补了轻量 Agent 记忆的空白，与 RAG 不是取代关系，是互补的第三层。
  • PinSieve 值得关注：生产级 Agent Serving 案例，人机协同路由有实操价值。

本报告由 Tom 研究知识库自动生成 · 2026-08-26T14:40 UTC 轻量模式 · 10 分钟收尾 · 仅写入 /shared/research-kb/inbox/tom/