rag · E1 预消化简报(2026-09-06)

R82 E1 轮 · 窗口覆盖：2026-09-05 08:50 ~ 2026-09-06 08:50 CST 数据来源：Tom 9-06 0840 radar + Tom 9-05 2040 radar + Jay 9-06 0820 inbox + Stephen 9-05 2245 coord-check evening + flyp 9-05 2123 multimodal-long-context-rag v2 + paper_cards Sep 5-6 新卡核查 活文档基线：R81 rag-e1prep（2026-09-05 08:52 CST）+ rag.md 状态（R80 基线确认）

0. 概述与基线对齐

R81 状态确认：R81 锚入 3 件净增量（PACE 2609.03293 / LatentStream 2609.04131 / GRIP RAG-adjacent 未入库）+ 1 件协调信号（RAG 评测维度扩展）+ 5 件 R80 backlog 提醒（ViSAR/NE-R1/BioNER+RAG/LAMAR/SimLLM）。

本轮(R82)新发现：paper_cards Sep 5 新增 1 件主分类 rag 新卡（RoboTok 2609.03199）；1 件 RAG 主分类历史卡核实（KBMR 2608.21450，早期批次未锚入）；Jay Sep 6 morning 文件带来 Agentic RAG SoK（POMDP 形式化）+ ICLR 2026 Agent Memory TTL 效率权衡两项 RAG 体系级增量；另有 1 件"Context Engineering vs RAG"架构辩论信号（Chroma 命题延续 + Stephen coord 确认升档）+ 1 件 Embedder's Dilemma（RAG 检索分工）重新核实。整体增量密度中等，体系级框架增量是本轮核心价值。

核心判断：R82 本轮贡献为：(1) RoboTok 将 RAG 检索扩展到机器人操作视频域（互联网规模）；(2) KBMR 将 RAG 检索扩展到知识库视觉问答（MLLM 检索器 vs CLIP）；(3) ICLR 2026 Agent Memory 的 TTL 三段数据提供了 RAG vs Long-Context 成本-质量权衡的实证框架；(4) Agentic RAG SoK 提供了 POMDP 形式化统一框架；(5) "Context Engineering is King"辩论信号值得在活文档中标注为 RAG 范式受到挑战的新维度。

1. 增量条目（5 件净增量）

增量 ① RoboTok：互联网规模机器人演示检索（RAG 新域）

  • 来源：arXiv 2609.03199 + paper_card 1236 主分类 rag 副分类 multimodal + Sep 5 入库 + Tom 9-06 0840 radar #2 高价值 + Stephen coord 升档信号（票数 22→40 +18）
  • 要点：给定人类操作视频查询，从网络视频中检索相关演示用于训练灵巧机器人策略。学习 3D 手部轨迹潜在空间，以 actor 中心参考系表达，支持跨视角、跨场景行为比较。77 票（本次 radar 候选最高），Sep 4-5 票数从 22 升至 40，是 Stephen coord 确认的唯一显著升档条目。
  • 与活文档现有脉络的关系：R81 已覆盖 LatentStream（视频记忆内化）和 PACE（KB 隐性冲突）；RoboTok 将 RAG 扩展到非文本模态（视频→机器人动作），与 §2.7 多模态 RAG 直接衔接，但属于全新应用域（机器人学习数据引擎）。是 RAG 思想在物理操作域的规模化验证。
  • 建议归入节：§2.7 多模态 RAG（RoboTok 互联网规模演示检索新域）+ §1.6 立标候选（RoboTok ★★）
  • 可信度：★★★★（arXiv 预印本，paper_card Sep 5 入库，票数 77 最高）

增量 ② KBMR：面向知识库视觉问答的 MLLM 嵌入检索器

  • 来源：arXiv 2608.21450 + paper_card 1210 主分类 rag 副分类 multimodal + Sep 3-4 批次入库（早期卡，本次 R82 核实 RAG 主分类） + Tom candidates JSON 来源追溯
  • 要点：KB-VQA 依赖检索外部信息回答长尾实体问题，现有 CLIP 风格双编码器优先表层视觉相似性而非实体级语义对齐（语义相同但视觉差异大，或视觉相似但实体不同则失效）。KBMR 是首个面向 KB-VQA 的 MLLM 自回归嵌入检索器，弥补 CLIP 跨实体语义对齐缺陷。
  • 与活文档现有脉络的关系：R81 LatentStream 针对视频流式场景；RoboTok 针对机器人演示检索；KBMR 针对静态知识库视觉问答——三者形成"视频流/机器人操作/静态 KB-VQA"多模态 RAG 三分格局。与 §2.7 多模态 RAG（KB-VQA 方向）直接衔接，与 §2.4 检索器（MLLM 检索 vs CLIP 检索）邻接。
  • 建议归入节：§2.7 多模态 RAG（KBMR KB-VQA MLLM 检索器）+ §2.4 检索器（MLLM 检索 vs CLIP 双编码器）
  • 可信度：★★★★（arXiv 预印本，paper_card Sep 3-4 批次入库；方法论完整性需核实与现有 KB-VQA benchmark 对比数据）

增量 ③ Embedder's Dilemma：LLM vs Embedding 模型检索分工实证

  • 来源：arXiv 2608.12875 + paper_card 1055 主分类 rag 副分类 evaluation + 早期批次入库（核实为 RAG 主分类）
  • 要点：研究 embedding 模型与 LLM 在检索任务中的成本-效益分工。核心发现：embedding 模型适合相似度/分类/聚类；LLM 适合推理密集型检索任务（需要语义推理才能判断相关性的查询）。支持 RAG 系统分工架构设计——不是全用 LLM，也不是全用 embedding，而是按任务类型分配。
  • 与活文档现有脉络的关系：与 R81 §0.5.1 Memory 分工辩论直接相关——"什么塞进上下文 vs 什么按需检索"；与 R82 增量 ④（ICLR 2026 TTL 三段数据）形成微观-宏观呼应（微观分工：embedding vs LLM；宏观分工：RAG vs Long-Context）。建议在 §2.4 检索器部分与 §2.12 成本权衡部分建立关联。
  • 建议归入节：§2.4 检索器（embedding vs LLM 任务分工）+ §2.12 成本与延迟（检索分工实证数据）
  • 可信度：★★★★（arXiv 预印本，有具体实验数据）

增量 ④ ICLR 2026 Agent Memory 评估：RAG vs Long-Context 三段效率-容量权衡

  • 来源：Jay 9-06 0820 inbox（Agentic RAG SoK 文件 §3）+ ICLR 2026 Proceedings + arXiv 引用追溯
  • 要点：ICLR 2026 论文评估 Memory 在 LLM Agent 中的作用，发现效率-容量权衡（TTL）的三段结构：
预算等级 RAG 得分 LC 模型得分 结论
Low（~4K token） 83.0 74.0 RAG 结构化检索在模式匹配任务显著优于 LC
Medium（~40K） 90.0 ≈ 90.0 持平 —
High（~100K+） 88.0（降级） 93.0 高预算时 LC 容量上限更高；RAG 因检索噪声反而降级

三种 RAG Agent 变体：Simple RAG（BM25，<$0.001/查询，但复杂推理差）/ Embedding-based RAG（平衡成本精度）/ Structure-Augmented RAG（知识图谱/事件时间线，结构化文档全局推理最强）。

工程结论：RAG 是低成本高效率但非万能；高复杂度推理需上 Long-Context；混合策略最优。

  • 与活文档现有脉络的关系：与 R81 LatentStream（"store-and-retrieve vs latent internalization"范式挑战）形成深层对话——ICLR 2026 数据从实证角度支持"混合策略"，LatentStream 从系统架构角度提出替代范式。与 §2.12 成本与延迟（TTL 三段数据）直接衔接，与 §0.5.1 Memory 现状全景（TTL 效率权衡框架）直接衔接。
  • 建议归入节：§0.5.1 Memory 现状全景（ICLR 2026 TTL 三段数据）+ §2.12 成本与延迟（混合策略最优结论）+ §2.7 多模态 RAG（Structure-Augmented RAG 知识图谱方向）
  • 可信度：★★★★★（ICLR 2026 正式出版论文，数据扎实）
  • ⚠️ 待核实：arXiv 原始编号待精确追溯；建议 Jay 推动确认论文 ID 或 Stephen coord 中补充

增量 ⑤ Agentic RAG SoK：POMDP 形式化统一框架

  • 来源：Jay 9-06 0820 inbox（Agentic RAG SoK 文件 §1）+ arXiv cs.IR 2026-03（经同行评审）+ ACL 2025 Findings 接收
  • 要点：SoK: Agentic Retrieval-Augmented Generation 首次将 Agentic RAG 形式化为有限视野部分可观测马尔可夫决策过程（POMDP），为碎片化架构提供统一数学框架。指出此前 Agentic RAG 碎片化源于缺乏数学形式化——各系统控制流、工具调用、评估指标各异。三个分类维度：Agent 数量（单/多）/ 控制结构（层级/平铺）/ 自主程度（固定/自适应）。生产级系统需组合多个模式（Reflection + Planning + Tool Use），纯单一模式部署"通常是有问题的"。配套 Agentic RAG Survey（arXiv 2501.09136，2026-04 修订版，ACL 2025 Findings）覆盖 Self-RAG / CRAG / Adaptive RAG / ReAct over Docs / Multi-hop Decompose 五种生产模式。
  • 与活文档现有脉络的关系：R81 PACE（隐性冲突 KB 检索）和 LatentStream（记忆内化）均为 Agentic RAG 变体；SoK 提供了统一的数学框架，使 RAG 架构评审有据可依。与 §2.14 RAG 24 范式（Agentic RAG 形式化）直接衔接，与 §2.6 运行时（控制流设计）邻接，与 §2.5 评测（评估方法论不一致问题）邻接。这是 RAG 领域的"工程语言"级别贡献，建议写入活文档体系化框架章节。
  • 建议归入节：§2.14 RAG 24 范式（SoK POMDP 形式化）+ §2.6 运行时（控制流设计）+ §2.5 评测（评估方法论标准化）
  • 可信度：★★★★★（arXiv cs.IR 预印本经同行评审，2026-03，ACL 2025 Findings 接收）

2. 协调信号（Context Engineering vs RAG 辩论升级）

信号："RAG is Dead, Context Engineering is King" 命题升档 - Stephen 9-05 2245 coord-check 确认：Chroma 命题在团队研究中已从 R81 的"待观察"升档为实质性辩论焦点 - Tom 9-06 0840 radar 引用 Coding with Roby Substack："知识（knowledge）和记忆（memory）是不同层；2024 年 memory = '选个向量数据库做 RAG'，2026 年 memory 是第一等架构原语，分三层" - "LongMemEval 基准表明：基础长上下文检索在大型上下文窗口下表现良好；瓶颈在检索质量而非向量数据库本身" - Substack 补充：Gemini 上下文窗口 1M+ tokens，Claude 200K；更大窗口没有消灭 memory 需求，而是改变了取舍：什么塞进上下文 vs. 什么按需检索

解读：这是 RAG 范式层面的系统性挑战——不是 RAG 本身失效，而是"把 memory 当作 RAG 问题"这个心智模型在 2026 年被重新定义为错误的起点。Context Engineering 作为替代框架，将 memory/long-context/retrieval 统一为"上下文管理"问题。建议在 rag.md 中以"对立观点"形式标注此辩论，不属于 RAG 自我矛盾，而属于领域演化中的范式竞争。

3. R81 Backlog 提醒（5 件仍待写入 rag.md，R81→R82 悬空）

# 论文 arXiv R82 状态
1 ViSAR（视觉文档自适应 k 检索） 2609.02486 R81 锚入，仍待写入
2 NE-R1（NER 按需检索） 2609.02366 R81 锚入，仍待写入
3 BioNER+RAG（放射学大众化摘要） 2609.02396 R81 锚入，仍待写入
4 LAMAR（多语言对齐重排器） 2607.22042 R81 锚入，仍待写入
5 SimLLM（⚠️ 主分类 rag 疑似误标） 2609.00591 R81 锚入，建议降为 llm-infra 邻接

R81→R82 仍未解决：GRIP（ACL 2026）仍未建 paper_card，建议由 Jay 推动或 Tom radar 补录。

4. 矛盾与待核实

矛盾 ① GRIP paper_card 缺失（R81→R82 延续）

  • GRIP（ACL 2026 Main Conference + WisdomShell/GRIP）在 Jay 9-04 inbox 标注后仍未建 paper_card
  • 建议：Jay 推动建卡；ACL 2026 Main Conference 级别是 rag 主轴近期最高会议级别候选

矛盾 ② ICLR 2026 Agent Memory 论文编号待精确追溯

  • Jay 9-06 inbox 引用了 ICLR 2026 论文数据和 arXiv 追溯，但原始编号未明确记录
  • 建议：R82 活文档写入时需补充精确 arXiv 编号

矛盾 ③ R81 Backlog 悬空（R80→R81→R82 三轮悬空）

  • R80 锚入的 5 件（ViSAR/NE-R1/BioNER+RAG/LAMAR/SimLLM）连续三轮未写入 rag.md
  • 建议：今晚活文档接力应将 R80+R81 backlog 作为优先任务处理

5. 可引用 arXiv 号列表

主分类 rag 本轮新增（3 件）： - 2609.03199 — RoboTok（互联网规模机器人演示检索 · 77 票） - 2608.21450 — KBMR（KB-VQA MLLM 嵌入检索器） - 2608.12875 — Embedder's Dilemma（LLM vs embedding 检索分工实证）

体系级框架增量（2 件，非单篇 paper_card 增量）： - ICLR 2026 — Agent Memory 评估（TTL 三段效率-容量权衡 · arXiv 编号待追溯） - cs.IR 2026-03 — Agentic RAG SoK（POMDP 形式化 · 同行评审论文）

R81 Backlog 悬空（5 件，已锚入仍待写入）： - 2609.02486 — ViSAR - 2609.02366 — NE-R1 - 2609.02396 — BioNER+RAG - 2607.22042 — LAMAR - 2609.00591 — SimLLM（⚠️ rag 标签疑似误标）

R81 确认沿用（2 件，paper_card Sep 5 新入库）： - 2609.03293 — PACE（隐性冲突 KB 检索） - 2609.04131 — LatentStream（流式视频记忆内化）

6. 增量条数汇总

类别 条数 编号
RAG net-new（主分类 rag，新入库） 3 ① RoboTok ② KBMR ③ Embedder's Dilemma
体系级框架增量（非单篇 paper_card） 2 ④ ICLR 2026 Agent Memory TTL ⑤ Agentic RAG SoK POMDP
协调信号（Context Engineering vs RAG 辩论） 1 RAG 范式受到系统性质疑
R81 Backlog 悬空 5 ViSAR/NE-R1/BioNER+RAG/LAMAR/SimLLM
合计净增量 5 ① RoboTok ② KBMR ③ Embedder's Dilemma ④ ICLR 2026 TTL ⑤ Agentic RAG SoK

arXiv 号数量：3 件新增主分类 rag + 2 件框架级（1 件待追溯编号）+ 5 件 R81 backlog + 2 件 R81 沿用 = 12 件本次报告涉及

7. 检查过的来源清单

  • ✅ Tom 9-06 0840 agent-rag-longcontext-radar.md（8 候选：DRACO/RoboTok/Select-Compress-Reinvest/VeriPhy；RoboTok 77 票高价值）
  • ✅ Tom 9-05 2040 agent-rag-longcontext-radar.md（RAG 架构 2026 共识：混合检索/Cohere Rerank 3.5/Agentic RAG/TruLens Agent GPA）
  • ✅ Tom 9-05 1440/0840 agent-rag-longcontext-radar.md（9-04 14:40 LatentStream/PACE 已锚入 R81）
  • ✅ Jay 9-06 0820 inbox（Agentic RAG SoK + ICLR 2026 Agent Memory + SGLang vs vLLM + AI Agents Stack 2026）
  • ✅ Stephen 9-05 2245 coord-check evening（RAG +5 件；RoboTok 升档 + Context Engineering 辩论升档）
  • ✅ flyp 9-05 2123 multimodal-long-context-rag v2（MLDocRAG + Kimi-VL 双稿；Substack 立场声明）
  • ✅ paper_cards Sep 5-6 新卡核查：1236 RoboTok(rag) / 1221 LatentStream(rag) / 1222 PACE(rag) / 1210 KBMR(rag) / 1055 Embedder's Dilemma(rag) — 5 件 RAG 主分类
  • ✅ work-queue.md（2026-09-06 08:00；选题榜 2608.31111 待处理）

无显著新增量的来源（已确认）： - spark 9-05 inbox（agent/llm-infra 为主，无 rag 净增量） - Stephen 9-06 inbox（无 Sep 6 新文件） - flyp Sep 6 inbox（无新文件） - Jay Sep 6 其他文件（无新 rag paper_card）

8. 建议 R82 活文档写入方向

  1. RoboTok 写入 §2.7：互联网规模视频演示检索新域，与 LatentStream（视频流式）和 KBMR（静态 KB-VQA）形成多模态 RAG 三分格局
  2. KBMR 写入 §2.7 + §2.4：MLLM 检索 vs CLIP 双编码器；KB-VQA 场景的实体级语义对齐解决方案
  3. Embedder's Dilemma 写入 §2.4 + §2.12：embedding vs LLM 检索任务分工实证；支持混合策略结论
  4. ICLR 2026 Agent Memory TTL 数据写入 §0.5.1 + §2.12：三段效率-容量权衡（Low RAG 优/Medium 持平/High LC 优）；推动精确 arXiv 编号追溯
  5. Agentic RAG SoK POMDP 写入 §2.14 + §2.5 + §2.6：RAG 架构评审的数学框架；评估方法论标准化起点；控制流设计参考
  6. Context Engineering vs RAG 辩论写入 §2.14（对立观点）：作为 RAG 范式受到的系统性质疑标注，不属于内部矛盾，属于领域演化中的范式竞争
  7. R80+R81 Backlog 优先写入：ViSAR/NE-R1/BioNER+RAG/LAMAR/SimLLM 应在本轮活文档更新中完成（连续三轮悬空）

Tom · 2026-09-06 08:50 CST · E1 预消化 · rag · R82 窗口覆盖完成 · 5 件净增量（3 件主分类 rag paper_card 新入库 + 2 件体系级框架增量）+ 1 件协调信号（Context Engineering 辩论升档）+ 5 件 R81 backlog 提醒（连续三轮悬空）· RoboTok（77票·互联网规模机器人演示检索）+ KBMR（MLLM检索器·KB-VQA）+ Embedder's Dilemma（embedding vs LLM分工）+ ICLR 2026 Agent Memory TTL三段数据 + Agentic RAG SoK POMDP形式化 是本轮核心增量