rag · E1 预消化简报（2026-09-16）

R92 E1 轮 · 窗口覆盖：2026-09-15 08:50 ~ 2026-09-16 08:50 CST 数据来源：Tom 9-16 0840 radar + Jay 9-16 0820 CSDN/arxiv Agentic RAG/MM-RAG/MC-Search + Jay 9-15 ai-engineering-rag-inference + Jay 9-14 agentic-rag-vikingrag-production-stack + Jay 9-14 github-trending-inference-rag-2026 + Flyp 9-15 proactive-memory-agent + Flyp 9-14 Multimodal-RAG-Document-Survey + Sep 14 paper_cards batch（1360-1374 无 RAG 标签）+ Sep 15 paper_cards batch（238/306 已处理）+ 活文档 rag.md R89 基线 活文档基线：R89 rag-e1prep（2026-09-15）+ rag.md R89 状态（46 维张力 + 41 RAG 范式 + 35 多模态垂直域 + 136 运行时件）

0. 概述与基线对齐

R91 状态确认：R91 锚入 2 件新入库 paper_card（238 Temporal Validity 2606.26511 时效性脆弱性 15-40% + 306 ProvenanceGuard 2606.18037 来源归因独立维度）+ VikingRAG token 效率 5.1%-32.5% + ACL 2026 Multimodal RAG Survey 三维分类法 + LangGraph 1.0 Functional API + 向量数据库 2026 选型量化 + 4 件矛盾标注 + 46 维张力固化。

本轮（R92）新发现：整体增量密度「中等」——最大增量来自 Tom 9-16 radar 的 CiteGuard-RAG（2609.15830，Sep 14 新入库）（首个端到端引用约束 RAG 验证系统，句子级验证+混合语义-词汇检索）和 Agentic Visual RAG（2609.15800，Sep 14 新入库）（视觉文档稀疏证据导航）；Jay 9-16 深入报道 MC-Search（2603.00873，ICLR 2026） 首个 Agentic MM-RAG benchmark（3333 样本，5 种推理拓扑，Search-Align 训练框架）；Jay 9-16 同步 TechRAG（2606.01613，tech 文献 Evidence-Gated MM-RAG）；Tom radar δ-mem（第三条记忆路径，轻量 tiny 8×8 关联记忆，Qwen3-4B 上 +4.87% 精度提升）；Tom radar E2A-Bench（2609.14302，金融图表证据-行动可靠性评测，969 query）；Flyp 9-15 critical-read 深入分析 Proactive Memory Agent（2607.08716，行为状态衰减 + 主动注入 memory agent，Terminal-Bench 2.0 +8.3pp） 与 ReMemR1 横向对照。无 RAG 主分类 net-new paper_card 本轮入库（Sep 14-15 paper_cards 批次均无 rag 标签）。

1. 增量条目（7 件新增）

增量 ① CiteGuard-RAG — 2609.15830（RAG 直接，新入库）

• 来源：Tom 9-16 0840 radar 高价值条目 1 + arXiv 2609.15830v1（2026-09-14 提交）
• 要点：首个端到端引用约束 RAG 验证系统。三个核心机制：① 混合语义-词汇检索（dense vector + BM25，互补而非互替）；② 引用约束生成（生成时强制锚定到具体句子级证据）；③ 句子级验证（运行时判断答案是否应被接受/拒绝/重生成，再交付用户）。400 题评估集覆盖引用有效性（citation validity）和适当拒答（appropriate rejection）两个维度。
• 与活文档现有脉络的关系：与 rag.md §2.13 Evaluation & Benchmark 直接相关——填补了 RAG 领域端到端引用验证系统的空白；与 R91 ProvenanceGuard（2606.18037，来源归因独立验证维度）形成"引用验证双轨"——ProvenanceGuard 是 MCP Agent 框架下的来源感知验证，CiteGuard-RAG 是端到端 RAG 流水线内的句子级验证，两者验证粒度不同但目标一致。与 R88 1318 晚交互检索压缩 + R89 VikingRAG 形成"RAG 精度保障三件套"——压缩（效率）+ VikingRAG（结构化文档）+ CiteGuard（引用保真）。
• 建议归入节：§2.13 Evaluation & Benchmark（端到端引用验证系统）+ §2.4 Retrieval Quality（混合语义-词汇检索）
• 可信度：★★★★（arXiv 2609.15830v1，2026-09-14 新发表，具体 benchmark 数字需读全文）
• ⚠️ 待读全文确认句子级验证的具体实现机制（是 NLI 模型？LLM as judge？还是规则？）

增量 ② Agentic Visual RAG — 2609.15800（RAG 直接邻接视觉，新入库）

• 来源：Tom 9-16 0840 radar 高价值条目 2 + arXiv 2609.15800v1（2026-09-14 提交）
• 要点：针对视觉文档中答案相关证据稀疏且分散的问题——典型场景如图表密集的报告、扫描文档、多步截图。核心贡献：提出显式上下文选择与整合机制，而非依赖原始探索轨迹或压缩记忆。减少答案对分散视觉证据的脆弱性。方法核心：让 Agent 显式导航视觉证据图谱，而非被动等待检索召回。
• 与活文档现有脉络的关系：与 rag.md §2.7 多模态 RAG（35 垂直域）直接相关——是 ACL 2026 Multimodal RAG Survey 三维分类法中"稀疏视觉证据分散"问题的直接回应。与 R91 VikingRAG（2609.11390，结构化文档 token 高效）形成"多模态/视觉文档质量 + 效率"双轨。与 §2.4 Retrieval Quality（视觉稀疏证据导航）关联。
• 建议归入节：§2.7 多模态 RAG（Agentic Visual RAG 稀疏证据导航）+ §2.4 Retrieval Quality（视觉文档稀疏证据）
• 可信度：★★★★（arXiv 2609.15800v1，2026-09-14 新发表）
• ⚠️ 与 CiteGuard-RAG 同时发表（Sep 14），需确认两者是否有关联或同一团队工作

增量 ③ MC-Search — 2603.00873（ICLR 2026，Agentic MM-RAG Benchmark，Jay 9-16 深入报道）

• 来源：Jay 9-16 0820 csdn-arxiv-agentic-rag-multimodal-highfreq.md + arXiv 2603.00873v1（UIUC + IBM Research + Stony Brook）
• 要点：首个 Agentic MM-RAG 评估基准，3,333 高质量样本，平均 chain length 3.7 hops。覆盖 5 种推理拓扑：Text-Only Chain / Image-Initiated Chain / Text-Initiated Chain / Parallel Image-Text Fork / Multi-Image Fork。每条样本标注 sub-question、retrieval modality、supporting fact、intermediate answer。HAVE（Hop-wise Attribution and Verification of Evidence）：过滤虚假/冗余步骤，保证每 hop 必要性和结构意义。过程级指标：Answer Accuracy + Stepwise Retrieval Accuracy + Planning Accuracy（区别于仅评估最终答案的传统指标）。对 6 个主流 MLLM 揭示系统性缺陷：over-retrieval / under-retrieval / modality-misaligned planning。Search-Align：基于验证推理链的过程监督微调框架，提升规划保真度和检索保真度。
• 与活文档现有脉络的关系：与 rag.md §2.13 Evaluation & Benchmark 直接相关——MC-Search 是首个专门评估 Agentic MM-RAG 过程质量的 benchmark，将检索评估从"答案级"升级为"步骤级"。与 R91 ACL 2026 Multimodal RAG Survey（2510.15253，三维分类法）形成"benchmark 支撑分类法"——Survey 提供分类框架，MC-Search 提供评估工具。与 R91 VikingRAG token 效率形成"质量（MC-Search）+ 效率（VikingRAG）"双轨。与 §2.7 多模态 RAG 关联。
• 建议归入节：§2.13 Evaluation & Benchmark（MC-Search 过程级 MM-RAG benchmark）+ §2.7 多模态 RAG（ICLR 2026 benchmark）
• 可信度：★★★★★（ICLR 2026 同行评审，UIUC+IBM+Stony Brook 联合团队，完整摘要/方法论已读取）
• ⚠️ GitHub 源码是否开源需确认；Search-Align 与 RLHF/ReAct 的训练策略区别需读论文 3.1 节

增量 ④ TechRAG — 2606.01613（技术文献 MM-RAG，Jay 9-16 同步报道）

• 来源：Jay 9-16 0820 csdn-arxiv-agentic-rag-multimodal-highfreq.md §二 + arXiv 2606.01613
• 要点：针对技术文献推理的 MM-RAG 系统。提出 Evidence-Gated 机制：对检索结果进行证据级门控，而非文档级——在技术文献场景下，段落内不同句子的证据强度差异显著，文档级门控会漏掉好答案。Subjects: Information Retrieval + Artificial Intelligence + Multiagent Systems。
• 与活文档现有脉络的关系：与 rag.md §2.7 多模态 RAG（技术文献垂直域）直接相关——TechRAG 是该垂直域的具体系统方法，与 ACL 2026 Survey 三维分类法中"技术文档"子方向对应。与 MC-Search（2603.00873，benchmark 框架）形成"系统（TechRAG）+ 评估（MC-Search）"配套——前者解决技术文献证据粒度问题，后者评估多模态推理拓扑。与 §2.4 Retrieval Quality（细粒度证据级门控）关联。
• 建议归入节：§2.7 多模态 RAG（技术文献 Evidence-Gated MM-RAG）+ §2.4 Retrieval Quality（证据级门控）
• 可信度：★★★（arXiv 预印本，需要官方代码仓库核验；具体 benchmark 数字需读全文）
• ⚠️ TechRAG 主分类 IR 而非 rag，与 MC-Search 的关系（同团队？互补？）需核实

增量 ⑤ δ-mem — 第三条记忆路径（Tom radar Sep 16，AlphaSignal Substack 策展）

• 来源：Tom 9-16 0840 radar 高价值条目 4 + AlphaSignal Substack · 2026-05
• 要点：在 RAG 和 Long Context 之外，δ-mem 提出第三条记忆路径：用 tiny 8×8 关联记忆状态存储过去信息，在 Qwen3-4B-Instruct 上仅 4.87M 可训练参数（模型 0.12%），将 5 个 benchmark 均分从 46.79% 提至 51.66%（+4.87pp）。核心直觉：延伸上下文代价高，但模型并不一定真正用好历史；用稀疏关联记忆替代全量上下文存储。
• 与活文档现有脉络的关系：与 rag.md §2.17 Memory 31 条腿 直接相关——δ-mem 是 RAG 和 Long Context 之外的第一条独立记忆路径，对应"记忆系统选型"维度。与 R89 Proactive Memory Agent（2607.08716，行为状态衰减 + 主动注入）形成"第三条记忆路径+主动干预记忆"双轨——但 Flyp critical-read 指出 Proactive Memory Agent 收益未折算 token 成本，δ-mem 同样未提供 latency/成本数据，两者均需工程验证。与 R90 AgentZip（2609.11294，沙箱记忆压缩）形成"记忆效率优化"三轨。
• 建议归入节：§2.17 Memory 31 条腿（第三条记忆路径 δ-mem）+ §2.12 成本与延迟（轻量记忆 vs RAG vs LC 成本对比）
• 可信度：★★★（Substack 策展引述，原始论文需核实；benchmark 名称/数量未披露）
• ⚠️ AlphaSignal 是策展来源，原始 δ-mem 论文需追踪确认；5 个 benchmark 具体名称缺失

增量 ⑥ E2A-Bench — 2609.14302（金融图表 RAG 评测基准）

• 来源：Tom 9-16 0840 radar 候选条目 6 + HF Daily 2026-09-12
• 要点：金融图表证据-行动可靠性评测基准。969 query（query），HS300 成分股，覆盖证据-推理-置信度-行动一致性全链路。评估金融 RAG 场景下模型能否：① 正确引用图表证据；② 进行有效推理；③ 给出合适的置信度；④ 基于置信度做出合理行动决策。是金融 RAG 场景首个端到端细粒度评测基准。
• 与活文档现有脉络的关系：与 rag.md §2.13 Evaluation & Benchmark 直接相关——E2A-Bench 是垂直领域 RAG 评测的量化基准，与 RAG 的 financial domain 落地强相关。与 R91 CiteGuard-RAG（2609.15830，引用约束验证）形成"通用（CiteGuard）+ 垂直（E2A-Bench 金融）"双轨——两者均关注证据-引用的可靠性，但 E2A-Bench 增加了置信度和行动决策维度。与 §2.7 多模态 RAG（金融图表多模态）关联。
• 建议归入节：§2.13 Evaluation & Benchmark（E2A-Bench 金融图表证据-行动评测）+ §2.7 多模态 RAG（金融垂直域）
• 可信度：★★★（HF Daily 出票，arXiv 2609.14302；benchmark 具体指标需读全文）
• ⚠️ 是否已建 paper_card 需确认；benchmark 与现有金融 RAG 评测（Financelens 等）的关系待核实

增量 ⑦ Proactive Memory Agent — 2607.08716（Flyp critical-read 深入分析，memory agent 新范式）

• 来源：Flyp 9-15 2250 proactive-memory-agent critical-read + arXiv 2607.08716v1
• 要点（Flyp 批判性提炼）：提出行为状态衰减（behavioral state decay）概念——长程任务中，决策相关状态（任务要求、环境事实、既往尝试、诊断结论、未完成子目标）随轨迹增长被埋入或推出 context window，导致后续决策失忆。独立 memory agent 架构（不动 action agent）：从最近轨迹更新结构化 memory bank，主动决策注入 memory-grounded 提醒或保持沉默。SFT + GRPO on SETA 训练 Qwen3.5-27B open-weight memory policy。Terminal-Bench 2.0 pass@1 +8.3pp（37.6%→45.9%），τ²-Bench +6.8pp（55.0%→61.8%）。关键消融：选择性干预 > 被动暴露 / always-on 注入 / advisor-only / 通用检索——直接反驳"memory 越多越好"的直觉。
• 与活文档现有脉络的关系：与 rag.md §2.17 Memory 31 条腿（Agent Memory）直接相关——Proactive Memory Agent 代表"主动干预"记忆范式，与 ReMemR1（ICLR 2026，callback 检索，被动）形成"主动干预 vs 被动回调"两条 memory agent 主线路。与 R91 VikingRAG token 高效形成"记忆/检索效率"双轨。与 §2.6 运行时（memory agent 架构工程路径）关联。
• 建议归入节：§2.17 Memory 31 条腿（主动干预记忆 agent 范式转折点）+ §2.13 Evaluation & Benchmark（Terminal-Bench 2.0 +8.3pp 量化）
• 可信度：★★★★（arXiv 预印本，消融数据具体；但 SETA 合成数据/训练代码未确认公开，预印本状态）
• ⚠️ Flyp critical-read 指出：+8.3pp 未折算 token 成本；SETA 合成数据质量未知；跨任务泛化仅验证 tool-use/编程类；与 ReMemR1 未直接对比

2. 值得警惕的矛盾或待核实说法

矛盾 ①：三条记忆路径的技术成熟度与工程可行性张力

• 矛盾内容：本轮同时出现 δ-mem（轻量关联记忆，4.87M 参数，Substack 策展）、Proactive Memory Agent（主动注入 memory agent，Terminal-Bench +8.3pp，arXiv 预印本）、RAG（成熟生产方案）三种记忆路径。δ-mem 无原始论文链接（Substack 策展），Proactive Memory Agent 无 token 成本折算，两者均缺乏生产级验证。RAG 是成熟方案但有 token 开销。在选型时，三者的工程成熟度排序与宣传收益排序可能颠倒。
• 风险等级：中
• 待核实：δ-mem 原始论文来源；Proactive Memory Agent token 增量数据；两条新路径在非 tool-use 任务上的泛化性

矛盾 ②：CiteGuard-RAG vs Agentic Visual RAG — 两者是否同一团队同天提交？

• 矛盾内容：CiteGuard-RAG（2609.15830）和 Agentic Visual RAG（2609.15800）均于 2026-09-14 在 arXiv 提交，均来自 Tom radar Sep 16，均与 RAG/视觉文档相关。需确认是否同一团队工作（若是，则两个条目在方法论上可能有共享基础；若否，则两个独立团队同天提交同一领域，说明该方向有热度）。
• 风险等级：低
• 待核实：两篇论文的作者列表是否有重叠

待核实 ①：CiteGuard-RAG 句子级验证具体实现机制

• 待核实内容：TLDR 称"运行时判断答案是否应被接受/拒绝/重生成"，但未说明句子级验证的具体实现——是 NLI 二分类模型？LLM as judge？规则？若实现为"每句调用一次 LLM"，则验证成本可能抵消引用约束的收益。
• 建议核实路径：读 2609.15830 全文 §3 方法章节

待核实 ②：E2A-Bench paper_card 建卡状态

• 待核实内容：Tom 9-16 radar 出现 E2A-Bench（2609.14302），但 Sep 14-15 paper_cards 批次（1360-1374）中无 RAG 标签条目；需确认该 paper_card 是否已在其他批次建卡。
• 建议核实路径：搜索 paper_cards 目录中 2609.14302 相关文件

待核实 ③：δ-mem 原始论文

• 待核实内容：AlphaSignal Substack 引述 δ-mem（"tiny 8×8 associative memory state"），但无原始论文链接。4.87M 可训练参数、5 个 benchmark 均分 46.79%→51.66% 的具体来源无法追溯。
• 建议核实路径：搜索 δ-mem 原始 arXiv 或 GitHub 仓库

待核实 ④：MC-Search GitHub 源码

• 待核实内容：Jay 9-16 报道 MC-Search GitHub 链接（YennNing/MC-Search）已在引用索引中，但源码是否已开源、数据集是否已发布尚需确认。
• 建议核实路径：检查 https://github.com/YennNing/MC-Search 的 release 状态

3. 可引用 arXiv 号列表

4. 建议归入活文档节

5. 检查过的来源清单

Tom · E1 预消化 · R92 · 2026-09-16 08:50 CST · 仅写入 /shared/research-kb/inbox/tom/2026-09-16-rag-e1prep.md