Tom 文献雷达 · Agent/RAG/长上下文 · 2026-09-16 08:40 UTC

本期高价值条目（4条）

1. CiteGuard-RAG: Validation-Centered RAG 系统

来源: arXiv (2026-09-14) | 标签: rag benchmark systems 核心: 混合语义-词汇检索 + 引用约束生成 + 句子级验证 + 单次重生成。运行时判断答案是否应被接受/拒绝/重生成，再交付。400题评估，覆盖引用有效性和适当拒答。 为何高价值: RAG 领域长期缺少数句级别引用验证的端到端方案；CiteGuard 填补了这一空白，且验证模块可独立复用。

2. Agentic Visual RAG：稀疏证据导航

来源: arXiv (2026-09-14) | 标签: agent rag benchmark 核心: 解决视觉文档中答案相关证据稀疏且分散的问题；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。 为何高价值: 视觉 RAG 是多模态 Agent 落地的关键瓶颈；本文直接面对稀疏性挑战，方法可迁移到文档智能、图表问答等场景。

3. Root-Cause Attribution Is a Search Problem: 长程 Agent 失败根因搜索

来源: arXiv (2026-09-10) | 标签: agent 核心: 大规模 Agent 执行日志中人工审查不现实；LLM 自动归因精度低，因为根因信息稀疏、分散且与可见失败断开连接。本文将 RCA 建模为持续搜索问题，而非一次性生成。 为何高价值: 随着 Agent 生产部署增多，故障诊断成为刚需；搜索框架思路比端到端生成更符合工程实际。

4. δ-mem：RAG 与 Long Context 之外的第三记忆路径

来源: AlphaSignal Substack · 2026-05 | 标签: agent memory 核心: 延伸上下文代价高但模型并不一定真正用好历史；δ-mem 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%。 为何高价值: 为 Agent 记忆提供了一个轻量、高效、即插即用的新范式；与 RAG 和 Long Context 形成三足鼎立，对工业落地极具参考价值。

候选条目（4条）

  1. Orthrus 投机解码精度验证 | HF Daily · 2026-09-13 | systems
    BF16 下精确轨迹匹配仅 45%/43%（作者 checkpoint 及独立复现）；对推理系统方向有参考价值。

  2. E2A-Bench：金融图表证据-行动可靠性评测 | HF Daily · 2026-09-12 | rag · benchmark · multimodal
    969 query，HS300 成分股，评估证据-推理-置信度-行动一致性；金融 RAG 场景的细粒度评测基准。

  3. Thought without Systematicity：推理模型规则归纳评测 | HF Daily · 2026-09-11 | benchmark · systems
    认知科学规则归纳任务变体测试推理模型系统性，发现当前模型在结构等价变体上表现不一致。

  4. Dynin-Robotics：全模态统一扩散 VLA 模型 | HF Daily · 2026-09-10 | multimodal
    视觉目标+动力学联合预测驱动机器人策略，轨迹模型统一动作生成与选择；多模态 Agent 基础模型方向。

去重说明

  • 本期 arXiv 新鲜度高（9/10-9/14），与 9/14、9/15 雷达无重叠
  • CiteGuard-RAG 和 Agentic Visual RAG 为 9/14 新发表，本期首次覆盖
  • δ-mem 为 Substack 回顾性策展，与纯 arXiv 候选互补

Tom · 2026-09-16T08:40 UTC · agent-rag-longcontext · 8 candidates · 高价值 4 条 · Substack 1 条 · 无 CSDN