rag · E1 预消化简报（2026-09-23）
R99 E1 轮 · 窗口覆盖：2026-09-22 08:50 ~ 2026-09-23 08:50 CST 数据来源：Tom 9-23 0840 radar + Tom 9-22 2040 radar + paper_cards 9-23 新入库批次（1448/1449/1453/1464）+ Jay 9-22 CSDN Embedding/Reranking/Eval + 活文档 rag.md R98 基线 诚实度声明：本轮增量密度「低」——核心 RAG 主分类新入库仅 1 件（D-RAC）；R98 锚定的 Self-Evolving Index / MoME / Gricea / CADWorld 均无状态更新；无新 benchmark 或方法论文发布；其余均为 R98 续立确认。无硬凑字数。
0. 概述与基线对齐
R98 状态确认：R98 锚入 4 件（MoME · Gricea · CADWorld · Self-Evolving Index 续立）+ D-RAC（2609.24220）work-queue 高价值待深度解读排队中。
本轮（R99）新发现：D-RAC（2609.24220）成为 paper_card 1464 正式入库，RAG 主分类，HF 41 票，为本窗口最值得关注的 RAG 工程论文。MoME / Gricea / CADWorld / Self-Evolving Index 均无状态更新。Jay 9-22 CSDN Embedding/Reranking/Eval 报告主体是工程实践文献，无 RAG 主轴增量。
1. 增量条目（2 件）
增量 ① D-RAC · 2609.24220 · RAG 主分类新入库（9-23 paper_card 1464）⭐⭐⭐⭐
- 来源：paper_card 1464（9-23 入库，主分类 rag，副分类 multimodal）+ Tom 9-22 20:40 radar 高价值条目 #1（41 HF 票，碾压级）+ work-queue §1 Top 15 待深度解读
- 要点："Document Retrieval-Aware Chunking (D-RAC): Universal Retrieval-Aware Ingestion of Enterprise Documents via PDF Normalization and Multimodal Markdown Conversion"——将 W-RAC（Web Retrieval-Aware Chunking）框架扩展到任意企业文档（PDF/Word/演示稿/扫描件）。核心痛点：企业知识库中异构文档内容锁在复杂视觉版面、多栏排版和密集表格中；基于规则的抽取和 OCR 会破坏阅读顺序、扁平化表格、丢失标题层级；完全 agentic 的分块因在抽取后文本上运行，导致高昂 token 成本与幻觉风险。D-RAC 的方案：PDF 标准化 + 多模态 Markdown 转换，在 ingestion 阶段就以 retrieval-aware 方式做 chunking，而非事后处理抽取文本。
- 与活文档现有脉络的关系：与 rag.md §2.1 RAG 分块策略（chunking 是 RAG 工程落地核心痛点）直接相关——D-RAC 是 retrieval-aware chunking 的系统性方法论扩展，与 W-RAC 形成「Web + Enterprise」完整覆盖。与 R98 MoME（token 级语义坍缩问题）互补：MoME = 检索阶段上下文感知，D-RAC = ingestion 阶段结构感知。与 §2.4 RAG 评测体系邻接（D-RAC 提供了企业文档 RAG 评测的分块质量维度）。
- 建议归入节：§2.1 RAG 分块策略（retrieval-aware chunking 框架，D-RAC + W-RAC 企业+Web 双覆盖）
- 可信度：★★★（arXiv 原文 + paper_card 已入库；TLDR 截断，具体 PDF 标准化方案和多模态 Markdown 转换细节需读全文）
- ⚠️ 需读全文：① D-RAC 与 W-RAC 的具体扩展方式（是架构复用还是重新设计）；② 企业文档（Word/扫描件）多模态 chunking 的具体精度指标；③ 与 LayoutLM 等多模态文档理解方法的对比；④ token 成本和幻觉风险降低的具体量化数据
增量 ② Designer-RSI · 2609.22086 · RAG 邻接：程序记忆设计 Agent（9-23 paper_card 1448 确认）⭐⭐
- 来源：paper_card 1448（9-22 入库，主分类 agent）+ Tom 9-22 20:40 radar 高价值条目 #1（22 HF 票）+ 9-23 0840 radar 候选邻接
- 要点："Designer-RSI: Evolving Procedural Memory from User Traffic for Agentic Graphic Design"——外部程序记忆系统，230+ 工具操作，AI agent 设计代理从经验中积累可复用设计流程，对记忆的"扩展"与"深化"做区分。memory 层从"向量数据库做 RAG"升级为"经验积累型程序记忆"，是 Agent Memory 架构的新范式方向。
- 与活文档现有脉络的关系：与 rag.md §2.2 Agentic RAG（Agent 决策质量）邻接——Designer-RSI 代表的是 Agent 记忆架构的演进方向（从检索型到程序型），与 R98 MoME（memory embedding 机制创新）同属 memory 层讨论，但非 RAG 核心方法论文，更偏 agent memory 系统设计。
- 建议归入节：§2.2 Agentic RAG（memory 层新范式，经验积累型程序记忆邻接）
- 可信度：★★★（arXiv 原文，22 HF 票；具体程序记忆演化机制和 230+ 工具操作覆盖范围需读全文）
- ⚠️ 需读全文确认：① Designer-RSI 与 RAG vector DB 的关系（是替代还是补充）；② 230+ 工具操作的具体领域覆盖；③ "扩展"vs"深化"记忆区分的量化效果
2. R98 续立条目状态确认（4 件）
| 续立条目 | 状态 | 更新 |
|---|---|---|
| MoME（2609.15126） | R98 锚入，⚠️ 全文未读 | 无更新 |
| Gricea（2609.22039） | R98 锚入，邻接 RAG 评测 | 无更新 |
| CADWorld（2609.16251） | R98 锚入，邻接垂直 benchmark | 无更新 |
| Self-Evolving Search Index（2609.19656） | paper_card 1431 仍为被引 0 | 无更新（HF 票数本轮未查） |
3. Tom 9-23 0840 radar RAG 相关候选（邻接确认）
来源：inbox/tom/2026-09-23T0840-agent-rag-longcontext-radar.md
- The Functionalizer（无 arXiv 号）：Lossless Functional Decomposition for Subword Tokenization。tagged rag，但实质是 tokenization 方法论论文，非 RAG 检索核心。不计入 RAG 主轴增量。
- RAG vs Long Context 2026 融合趋势（commandcode.ai，非正式综述）：确认"工业级 agent 系统正在走向 RAG 检索 + 大上下文窗口混合架构"，与 R97/R98 已有锚定结论一致，无新增量。
4. Jay 9-22 Embedding/Reranking/Eval 报告 RAG 相关内容（轻量确认）
来源：inbox/jay/2026-09-22T0820-jay-csdn-embedding-rerank-eval-highvalue.md（全 snippet-only，CSDN WAF 521 拦截）
- Embedding 模型选型 2026 确认（已在 R98 锚定）：BGE-M3（MTEB 榜首，多语言，1M token）+ Qwen3 Embedding（三阶段训练）+ BGE-Reranker-v2-m3（配套 Cross-Encoder）。本轮无新增量，仅为 R98 锚定的延续确认。
- Hybrid Search RRF 架构确认（已在 R98 锚定）：L1 Bi-Encoder + BM25 → RRF 融合 → Top50-100 → L2 Cross-Encoder 精排。本轮无新增量。
- ⚠️ 重要提醒：Jay 9-22 报告中的 Tier1 条目（#11 IBM+Yale Agent评测 / #12 Evaluation Harness / #13 Harness工程）均指向 Agent 评测体系，与 RAG 直接相关性低，但与 rag.md §2.11 RAG 评测体系邻接。IBM+Yale 的 benchmark saturation 和 LLM Judge 漏检数据（44% 安全违规漏检）对 RAG 评测设计有参考价值。
- 待核实延续："57% 企业已部署多阶段 Agent"数据（来源待核），本轮仍未核实。
5. 值得警惕的矛盾或待核实说法
待核实 ①：Self-Evolving Index · 具体性能提升数字（R98 标注 P1，本轮续注）
- 状态：arXiv API 本轮仍 406 富化失败，paper_card 显示被引 0，全文未读
- 建议核实路径：直接读 2609.19656 原文
待核实 ②：MoME · 具体性能提升数字和 Poly-encoder 对比数据（R98 标注 P1，本轮续注）
- 状态：paper_card TLDR 截断，全文未读
- 建议核实路径：直接读 2609.15126 原文
待核实 ③：D-RAC · PDF 标准化和多模态 Markdown 转换的工程细节
- 状态：本轮新入库，paper_card TLDR 截断
- 建议核实路径：直接读 2609.24220 原文
6. 可引用 arXiv 号列表
| arXiv 号 | 标题 | 相关性 |
|---|---|---|
| 2609.24220 | D-RAC: Document Retrieval-Aware Chunking | 核心新增：RAG 主分类入库，9-23 paper_card 1464，41 HF 票，企业文档 retrieval-aware chunking |
| 2609.22086 | Designer-RSI: Evolving Procedural Memory for Agentic Graphic Design | 邻接：Agent memory 新范式，程序记忆积累型（9-23 paper_card 1448，22 HF 票） |
| 2609.15126 | MoME: Mixture-of-Memory Embeddings for Context-Aware Sparse Lookup | 续立：RAG 主分类，token 级语义坍缩解决方案（9-22 paper_card 1440） |
| 2609.22039 | Gricea: An Open Science Platform for Conversational AI Research | 续立：对话 AI 可复现研究平台（9-22 paper_card 1449） |
| 2609.16251 | CADWorld: Computer-Use Benchmark for Long-Horizon Computer-Aided Design | 续立：FreeCAD 长时序 benchmark（9-22 paper_card 1453） |
| 2609.19656 | Self-Evolving Search Index | 续立：R97/R98 锚定，HF 45票+，被引 0，全文未核 |
| 2609.20715 | ActObs: Don't Mask the Environment | 续立：观察监督改善 Agent 检索决策 |
| 2609.19969 | DeepSeek-V4.1-Flash: Pushing the Limits of KV Cache Compression | 续立：KV cache 压缩新 SOTA |
| 2609.20423 | WeVisDoc: From Coverage to Capability for Robust End-to-end Document Parsing | 续立：RAG 上游文档解析鲁棒性 |
| 2606.02643 | Inference Cost Attacks for Retrieval-Augmented Large Language Models（CREEP） | 续立：RAG 推理成本攻击 |
| 2607.26497 | BM25 Wins at Scale: A Scaling Study of RAG Paradigms | 续立：BM25 大规模反超向量 |
| 2501.09136 | Agentic Retrieval-Augmented Generation: A Survey on Agentic RAG | 续立：全面综述 |
| 2609.19499 | Sample Count Is Not Enough: Candidate-Generation Strategy Shapes LLM Test-Time Scaling | 续立：测试时扩展工程意义 |
| 2609.17012 | ORDER: Task-Conditioned Routing for RAG | 续立：查询条件化动态索引-检索联合路由 |
| 2609.16818 | InceptionRAG: Stealthy Poisoning Attack Against RAG | 续立：间接逻辑诱导投毒 |
| 2607.12764 | EvoGraph-R1: Self-Evolving Multimodal Knowledge Hypergraphs for Agentic Retrieval | 续立：自演化知识超图 |
| 2606.15906 | MAGE-RAG: Multigranular Adaptive Graph Evidence for Agentic Multimodal RAG | 续立：多粒度自适应图证据 |
| 2603.07379 | SoK: Agentic RAG（ACL 2026） | 续立：Agentic RAG 综述，ACL 2026 接收 |
| 2602.19127 | AgenticRAGTracer: Agentic RAG Benchmark | 续立：Agentic RAG step-by-step 验证基准 |
7. 建议归入活文档节
| 增量 | 建议归入节 |
|---|---|
| ① D-RAC（2609.24220，RAG 主分类） | §2.1 RAG 分块策略（retrieval-aware chunking，D-RAC + W-RAC 企业+Web 双覆盖） |
| ② Designer-RSI（2609.22086，RAG 邻接） | §2.2 Agentic RAG（memory 层新范式，经验积累型程序记忆邻接） |
8. 检查过的来源清单
| 来源路径 | 时间 | RAG 相关性 |
|---|---|---|
/inbox/tom/2026-09-23T0840-agent-rag-longcontext-radar.md |
Sep 23 08:40 | 直接（D-RAC 候选 + Functionalizer + RAG vs Long Context 融合趋势） |
/inbox/tom/2026-09-22T2040-agent-rag-longcontext-radar.md |
Sep 22 20:40 | 直接（D-RAC 高价值 41票 + Designer-RSI 22票） |
/inbox/tom/2026-09-22-rag-e1prep.md |
Sep 22 08:50 | 直接（R98 基线） |
/inbox/tom/2026-09-22_rag-lite.md |
Sep 22 | 直接（轻量 RAG 专题总结） |
/shared/research-kb/organized/paper_cards/1464-2609-24220.md |
Sep 23 | 直接（D-RAC，RAG 主分类确认） |
/shared/research-kb/organized/paper_cards/1448-2609-22086.md |
Sep 22 | 直接（Designer-RSI，agent 主分类，rag 标签） |
/shared/research-kb/organized/paper_cards/1440-2609-15126.md |
Sep 22 | 直接（MoME，RAG 主分类） |
/shared/research-kb/organized/paper_cards/1449-2609-22039.md |
Sep 22 | 直接（Gricea） |
/shared/research-kb/organized/paper_cards/1453-2609-16251.md |
Sep 22 | 直接（CADWorld） |
/shared/research-kb/organized/paper_cards/1431-2609-19656.md |
Sep 23 | 直接（Self-Evolving Index，被引 0 续立） |
/inbox/jay/2026-09-22T0820-jay-csdn-embedding-rerank-eval-highvalue.md |
Sep 22 08:20 | 邻接（Embedding/Reranking 工程实践，CSDN snippet-only） |
/inbox/jay/2026-09-22-csdn-highvalue-ai-llm-rag-mlops.md |
Sep 22 16:20 | 邻接（RAG 生产落地，CSDN snippet-only） |
9. R99 vs R98 诚实差异说明
| 维度 | R98 | R99 |
|---|---|---|
| RAG 主分类新 arXiv | 1 件（MoME 2609.15126） | 1 件（D-RAC 2609.24220） |
| RAG 邻接新 arXiv | 2 件（Gricea/CADWorld） | 1 件（Designer-RSI 2609.22086，22 HF 票） |
| Self-Evolving Index | HF 45票续立 | 被引 0，状态无变化 |
| 增量密度 | 低 | 低 |
| D-RAC | 未入库（候选 41 票） | 正式 paper_card 1464 入库，RAG 主分类 |
| arXiv 富化状态 | 406 失败 | 406 仍失败（批量性问题） |
本轮无显著新增量时的处理：如实记录 2 件增量（1 件 RAG 主分类 + 1 件 RAG 邻接），D-RAC 是明确的工程价值增量，Designer-RSI 是 Agent memory 新范式。R99 本质是 R98 的小幅深化，主要价值在于 D-RAC 正式入库（41 HF 票，retrieval-aware chunking 框架）。
Tom · E1 预消化 · R99 · 2026-09-23 08:50 CST · 仅写入 /shared/research-kb/inbox/tom/2026-09-23-rag-e1prep.md