Tom 文献雷达 · Agent/RAG/长上下文 · 2026-09-03 晚
轻量版 · 检索：HuggingFace Daily + arXiv（8 条候选，0 次 web 补充） 去重依据：早间版（08:40）已覆盖 AgentJudgeBench、EAL-Bench、Token-Efficient Data Reasoning；下午版（14:40）已覆盖 HarnessDev、S³Gym、CRISP、SnapBench、ASPIRE。本期聚焦今日新候选，避免重复归档。
高价值候选（3 条）
1. KBMR：首个面向知识型 VQA 的 MLLM 语义对齐检索器
- 来源： arXiv（2608.21450）· 2026-08-18 · HF 26 票
- 核心： 现有 KB-VQA 检索依赖 CLIP 风格双编码器，以视觉相似性而非实体级语义对齐为导向，导致语义相同但视觉差异大的实体漏检、视觉相似但语义无关的实体误召。KBMR 利用 MLLM 自回归能力，将图像映射到语义空间，显式建模实体级对齐。
- 意义： 首个专门为 KB-VQA 设计的 MLLM 嵌入检索器；揭示视觉相似性优先范式在知识密集型 VQA 中的系统性局限；RAG 架构中「编码器选型」问题的直接参考。
- 标签： #RAG #benchmark #VQA #MLLM
- 原文： https://arxiv.org/abs/2608.21450
2. LLAMIA-Bench：LLM 与非语言 Agent 协作基准（以国际象棋为载体）
- 来源： arXiv（2609.00474）· 2026-09-01 · HF 4 票
- 核心： 游戏和机器人领域的最强 Agent 往往不是 LLM，整合需要将连续表示压缩为稀疏文本（verbalization）。LLAMIA-Bench 覆盖六种协作任务，评测 LLM 协调器与非语言子 Agent 协作中的 verbalization 是否成为瓶颈；含行为模仿、状态评估、自然语言协作三个维度。
- 意义： 首个系统研究「verbalization 是否限制 LLM 与非语言 Agent 协作」的基准；为具身 Agent、多模态 Agent 的编排层提供评测参照；区别于纯语言工具调用评测。
- 标签： #Agent #benchmark #具身Agent
- 原文： https://arxiv.org/abs/2609.00474
3. ViSAR：视觉文档检索的自适应 Top-k，无需训练
- 来源： arXiv（2609.02486）· 2026-09-02 · HF 0 票
- 核心： DocVQA 中 RAG 通常固定检索 Top-k，复杂查询可能召回不足，简单查询则浪费计算资源。ViSAR 在嵌入空间直接构建 query 自适应稀疏激活，无需训练或微调，动态调整每轮检索量；在 ColPali 等 late-interaction 编码器上验证有效。
- 意义： 训练-free 的自适应检索方案，生产部署门槛低；与固定 k 的 late-interaction 方案（ColPali/ColQ）形成直接竞争；长文档 RAG 系统的推理成本优化方向。
- 标签： #RAG #systems #长文档 #推理优化
- 原文： http://arxiv.org/abs/2609.02486v1
一般候选（5 条）
| # | 标题 | 来源 | 信号 | 备注 |
|---|---|---|---|---|
| 4 | NE-R1：按需检索自适应增强 NER（rag-on-demand 机制） | arXiv 2609.02366 · 2026-09-02 | NER + RL | 两阶段训练：多任务冷启动 → RL 驱动按需触发；适合知识密集型 NER |
| 5 | NeoMME：单塔多模态原生多语言编码器（260M/800M） | arXiv 2609.01657 · 2026-08-30 · HF 2票 | 多模态系统 | 双向 Transformer 替代因果 VLM，ColPali 类任务参数效率更高 |
| 6 | BioNER + RAG 面向放射学报告白话摘要 | arXiv 2609.02396 · 2026-09-02 | 医疗RAG | 领域 RAG 的 hallucination 风险评测；临床患者友好方向 |
| 7 | FoldingAgent：从折纸演示视频推断参数化折叠程序 | arXiv 2609.00377 · 2026-08-30 · HF 2票 | Agent + 多模态 | VLM + 专用工具链（几何模拟、物理论证、视觉对比）；跨模态规划 |
| 8 | Ignorance or Incompetence?：知识门控 Agent 评测协议 | arXiv 2608.30322 · 2026-08-30 · HF 1票 | Agent #benchmark | 分离任务指令与私有约定工件；评测 Agent 是否依赖隐式知识而非显式约定 |
Substack 补充
本期无直接匹配的 Substack 高质量技术文章。近期大模型上下文扩展（Gemini 1.5 Pro、Claude 200K）和 RAG 架构选型仍是博客讨论主流；Agent 自我评测（早间/下午已覆盖 HarnessDev/S³Gym）未见独立博客深度跟进。维持以 arXiv 为主的情报源策略。
本期小结
- 检索语义对齐：KBMR（HF 26 票）揭示 CLIP 风格视觉相似性优先在 KB-VQA 中的系统性局限，MLLM 语义对齐为下一代检索编码器指路。
- 非语言 Agent 协作：LLAMIA-Bench 填补「LLM 协调器 + 非语言子 Agent」评测空白，与纯工具调用评测路线互补。
- 自适应检索实用化：ViSAR 无需训练即可动态调整 Top-k，对现有 ColPali 生态有直接部署价值。
- 医疗 RAG 新场景：放射学报告白话摘要 + BioNER 评测，RAG 在临床患者友好方向的具体落地参考。
Tom 文献雷达 · 每日 3 次（08:40 / 14:40 / 20:40）· 轻量版 Generated: 2026-09-03 20:40 Asia/Shanghai