rag · E1 预消化简报（2026-09-28）

R104 E1 轮 · 窗口覆盖：2026-09-27 08:50 ~ 2026-09-28 08:50 CST 数据来源：Tom Sep 28 radar（Superposition 续立 + AI Agents Stack 2026 Substack）+ Jay Sep 27 下午场（security/inference/RAG 工程栈）+ Jay Sep 27 下午工程筛选（code search RAG vs grep + framework 生产对比 + Corpus2Skill）+ Jay Sep 28 CSDN（RAG 26 篇论文时间线 + GraphRAG 生产实战 + LazyGraphRAG 成本 + BM25 逆袭）+ 活文档 rag.md R103 基线 诚实度声明：本轮增量密度「中低」——RAG 主分类新 paper_card 入库 0 件（Sep 28 批次 1527-1528 无 RAG 主分类）；新增 5 件实质性邻接增量（RAG 26 篇论文演进时间线 + Corpus2Skill 自主动态知识库 + LazyGraphRAG 成本量化 + BM25 大规模逆袭 + 代码搜索 grep vs RAG）；R102/R103 锚点续立深化（Superposition/VLD-RAG/Mem0 v3/AAAI 2026 keyword/SoK+Survey/GraphRAG 62%）。无硬凑字数。

0. 概述与基线对齐

R103 状态确认：R103 锚入 6 件强邻接（KTH Mem0 benchmark + AAAI 2026 keyword search + SoK 2603.07379 + Survey 2501.09136 + GraphRAG 62% + Tiered Memory + futureagi 三角）+ R102 4 件锚点（VLD-RAG 2607.24748 + Mem0 v3 + Superposition 2609.29845 + Jay Sep 26 评测体系）。R103 存量 48 维。

本轮（R104）新发现：RAG 主分类新 paper_card 入库 0 件（Sep 28 批次 1527-1528 无 RAG 主分类）；邻接增量 5 件实质性强增量：① Jay Sep 28 CSDN RAG 26 篇论文 6 年演进时间线（2020 RETRO → 2026 BM25 大规模逆袭/RING 检索内化/PyRAG 程序推理/Graph-R1 强化学习驱动）；② Corpus2Skill（2609.25991）——将语料编译为可导航 skill tree，替代固定 RAG pipeline，自主动态决定检索策略；③ LazyGraphRAG 成本量化（$0.005–0.05 vs 全 GraphRAG $5–10 / 1K docs）；④ BM25 大规模逆袭（2026 年量化数据）；⑤ 代码搜索 grep vs RAG 量化对比（GrepRAG/LARGER 系列 + DEV Community 工程师实测）。R102/R103 锚点本轮续立深化。

1. 增量条目（5 件）

增量 ① RAG 6 年演进时间线 · 26 篇论文（核心新增）⭐⭐⭐

• 来源：Jay Sep 28 CSDN /inbox/jay/2026-09-28-csdn-rag-agent-research.md 条目 2（blog.csdn.net/xx_nm98/article/details/163927291）
• 要点：系统梳理 2020–2026 年 RAG 顶会演进路径——
• 2020：Meta RETRO（2 万亿 token 检索增强预训练，开山之作）
• 2021–2022：DeepMind RETRO（1/25 参数量达到 GPT-3 同等水平）
• 2023：Meta Atlas（64 样本超越 540B PaLM）
• 2024：RA-DIT、Self-RAG、RAFT、GraphRAG、HippoRAG、LightRAG、PlanRAG 密集发布
• 2025：Agentic RAG 综述定义
• 2026：BM25 大规模逆袭、RING（检索器内化到模型参数）、PyRAG（程序推理）、Graph-R1（强化学习驱动）
• 三大范式：Naive RAG → Advanced RAG → Modular RAG
• 覆盖 NeurIPS/ICML/ICLR/KDD/ACL/NAACL/WWW
• 与活文档现有脉络的关系：与 rag.md §2.14 RAG 53 范式（R103 AAAI 2026 keyword search + SoK/Survey 分类法）+ R101/R102 四代演进框架（Naive→Simple→Complex→Agentic）邻接。R104 时间线将 2026 年 BM25 逆袭、RING、PyRAG、Graph-R1 四个方向同时呈现——这是对 R103 futureagi.com"长上下文未杀死 RAG"的反面印证：RAG 本身正在通过检索内化（PyRAG）、强化学习驱动（Graph-R1）、轻量化（BM25 逆袭）三条路径自我进化，而非被长上下文取代；RING（检索器内化到模型参数）是 R102 Superposition（2609.29845，transformer 线性叠加）在意图上的对称面——Superposition 研究 transformer 如何"同时持有多个 thought"，RING 研究如何把检索器"内化进模型参数"，两者共同指向"记忆-检索-推理的边界正在模糊"这一核心趋势；PyRAG（程序推理）与 R102 VLD-RAG（agentic 多模态 RAG 三 agent 闭环）在意图上有交叉——两者均在 RAG 流程中引入更主动的规划/推理步骤，但 PyRAG 更偏向程序生成视角，VLD-RAG 更偏向多模态文档理解。
• 建议归入节：§2.14 RAG 53 范式（RING/PyRAG/Graph-R1/BM25 逆袭作为 2026 年新生代路线补充）+ 趋势 312 续立（2026 年 RAG 演进方向收敛确认）+ §2.5 评测（2026 年新生代评测基准来源）
• 可信度：★★★（明确标注论文来源和会议，可交叉验证；BM25 逆袭与 R103 AAAI 2026 keyword search 可互相印证；RING/PyRAG/Graph-R1 需读原文确认）
• ⚠️ 需读全文：① RING 检索器内化的具体实现（与 R102 Superposition 的关系）；② PyRAG 程序推理与 VLD-RAG 三 agent 闭环的具体差异；③ Graph-R1 强化学习驱动 GraphRAG 的具体训练方式；④ 2026 年新生代评测基准

增量 ② Corpus2Skill · 自主动态知识库 · 2609.25991（核心新增）⭐⭐⭐

• 来源：Jay Sep 27 下午工程筛选 /inbox/jay/2026-09-27-1450-jay-engineering-filtering-code-agent-rag-frameworks-sep27.md 条目 3（arxiv.org/html/2609.25991v1）
• 要点："A Structural Design for Autonomous Knowledge-Base Use"（arXiv 2609.25991，Sep 2026）——
• 核心概念：Corpus2Skill——将语料编译为可导航的 skill tree（技能树），替代固定 RAG pipeline
• Agent 自主决定是否检索、检索什么、何时停止
• 与 Corpus2Skill 同日发表的类似工作证明该方向已形成共识
• 开源实现待发布
• 与活文档现有脉络的关系：与 rag.md §2.14 RAG 53 范式（Agentic RAG 第四代）+ R101/R102 四代演进框架邻接。Corpus2Skill 将 RAG 从"检索+生成"的固定管道转变为"知识即技能树+Agent 自规划"的动态架构——这与 R103 AAAI 2026 keyword search（Agentic RAG 无需 VecDB）和 R103 SoK（"agentic enhancements must be applied selectively"）形成三角印证：三者共同指向同一个方向——RAG 流程正在从"预设管道"向"Agent 自规划"演进，Corpus2Skill 提供了这个方向上第一个 skill tree 形态的具体工作；与 R103 Tiered Memory Architecture（四类记忆+三层 tiered）在意图上有交叉——Tiered Memory 解决"记忆如何组织"，Corpus2Skill 解决"知识如何编译为可导航结构"，两者均在回答"如何让 Agent 高效访问外部知识"这个问题；与 R102 VLD-RAG（2607.24748，三 agent 闭环）在意图上互补——VLD-RAG 解决"多模态文档的检索-验证循环"，Corpus2Skill 解决"知识的结构化编译与动态访问"。
• 建议归入节：§2.14 RAG 53 范式（Corpus2Skill 作为 Agentic RAG 新形态补充）+ §2.6 运行时与基础设施（RAG pipeline 替代路径）+ 趋势 312 续立（2026 年 RAG 自规划方向收敛）
• 可信度：★★★（arXiv 学术论文，Sep 2026，含开源实现承诺；同日出现类似工作证明方向共识；需读原文确认 Corpus2Skill 的具体实现和评测数据）
• ⚠️ 需读全文：① Corpus2Skill skill tree 的具体数据结构；② Agent 自规划检索策略的决策机制；③ 与固定 RAG pipeline 在同评测集上的 head-to-head 对照数据；④ 开源实现发布状态

增量 ③ LazyGraphRAG 成本量化 · $0.005–0.05 vs $5–10 / 1K docs（邻接）⭐⭐

• 来源：Jay Sep 28 CSDN /inbox/jay/2026-09-28-csdn-rag-agent-research.md 条目 1（agent.csdn.net）+ Jay Sep 28 CSDN 条目 1（GraphRAG 完整流程）
• 要点：
• LazyGraphRAG 成本区间：$0.005–0.05 / 1K docs（vs 全 GraphRAG $5–10 / 1K docs）
• GraphRAG 完整流程：Chunking(600 tokens) → Entity Extraction → KG → Community Detection → Community Summary → Query(DRIFT)
• LazyGraphRAG 是 2026 年 GraphRAG 轻量化版本，解决"全 GraphRAG 成本过高"的生产痛点
• 与活文档现有脉络的关系：与 rag.md §2.14 RAG 53 范式（GraphRAG）+ R103 GraphRAG 62% 幻觉降低（邻接）邻接。LazyGraphRAG 成本量化将"是否上 GraphRAG"的决策从"技术选型"变成"成本-收益"量化分析——$0.005–0.05 是全 GraphRAG 的千分之一量级，这使得 GraphRAG 从"高成本方案"变为"可负担的常规选项"，与 R103 GraphRAG 62% 幻觉降低（CMU 4.9% 绝对值）组合，是 2026 年 GraphRAG 生产部署的双重论据；与 R103 KTH Mem0 ~56%（图结构检索覆盖率不足）形成张力——KTH ~56% 是技术局限，LazyGraphRAG 是成本补偿，两者是否在"低预算场景"形成互补需要进一步分析。
• 建议归入节：§2.14 RAG 53 范式（LazyGraphRAG 轻量化成本量化补充）+ §2.6 运行时与基础设施（GraphRAG vs LazyGraphRAG 选型决策）+ §2.5 评测（GraphRAG 成本-收益量化）
• 可信度：★★★（CSDN 含具体价格数字；LazyGraphRAG 是 Microsoft Research 正式项目（与 GraphRAG 同源）；具体数字需交叉验证 LazyGraphRAG 官方文档）
• ⚠️ 需读全文：① LazyGraphRAG 官方 cost breakdown；② DRIFT query 算法具体实现；③ 与全 GraphRAG 在同数据集上的 accuracy 对比

增量 ④ BM25 大规模逆袭 · 2026 年量化数据（邻接）⭐⭐

• 来源：Jay Sep 28 CSDN /inbox/jay/2026-09-28-csdn-rag-agent-research.md 条目 2（RAG 技术全解析 2020-2026）+ Jay Sep 28 CSDN 条目 5（BM25 原理）
• 要点：
• BM25 2026 年大规模逆袭：Jay Sep 28 CSDN 条目 2 明确将"BM25 大规模逆袭"列为 2026 年 RAG 技术进展之一（与 RING 检索内化、PyRAG 程序推理、Graph-R1 强化学习驱动并列）
• BM25 原理已验证：Jay Sep 28 CSDN 条目 5 给出 BM25 三大核心思想、饱和函数、数学公式、代码示例
• CSDN 工程实践：混合检索（向量 + 关键词 + 语义重排）+ Cross-Encoder 重排序（Jay Sep 28 条目 4）
• AAAI 2026 keyword search（R103 锚入）实证 keyword search + agentic tool use 可达向量 RAG 同等性能，BM25 是 keyword search 的经典算法基础
• 与活文档现有脉络的关系：与 rag.md §2.14 RAG 53 范式（R103 AAAI 2026 keyword search 挑战向量检索必要性）+ R103 BM25 大规模逆袭邻接。BM25 逆袭与 AAAI 2026 keyword search 形成技术-实证双轨：BM25 是 keyword search 的算法基础，AAAI 2026 从实证角度证明 keyword search + agentic 可等价替代向量 RAG——两者共同说明"经典信息检索方法在 Agentic RAG 场景下重新获得竞争力"；与 R103 futureagi.com"长上下文未杀死 RAG"形成互补：futureagi 三角（成本/可解释性/freshness）是从产品层说明 RAG 不可替代，BM25 逆袭是从技术层说明"简单方法在正确场景不输复杂方法"；与 R103 RAG 26 篇时间线（增量 ①）形成同一方向的多源印证。
• 建议归入节：§2.14 RAG 53 范式（BM25 逆袭 2026 年量化确认）+ §2.6 运行时与基础设施（BM25 混合检索实战配置）+ §2.5 评测（BM25 vs 向量 RAG 评测基准）
• 可信度：★★★（Jay Sep 28 CSDN 明确标注为 2026 年进展；BM25 算法本身成熟；BM25 逆袭的量化数据需读原文确认具体 benchmark 来源）
• ⚠️ 需读全文：① BM25 大规模逆袭的具体评测集和量化数据；② BM25 + agentic tool use 与向量 RAG 在不同数据规模下的成本-效果对比曲线

增量 ⑤ 代码搜索 · grep vs RAG 量化对比 · GrepRAG/LARGER（邻接）⭐⭐

• 来源：Jay Sep 27 下午工程筛选 /inbox/jay/2026-09-27-1450-jay-engineering-filtering-code-agent-rag-frameworks-sep27.md 条目 1（dev.to/nimay_04/rag-is-not-always-the-answer-anymore-how-ai-agents-search-code-in-2026-43m3）+ Jay Sep 28 CSDN 条目 7（BM25 算法详解）
• 要点：
• 核心发现：rg "expired coupon|coupon expired|CouponExpired" 在代码搜索任务中优于向量检索
• 原因：chunking 对代码结构的破坏（函数跨 chunk、import 被截断）
• 混合检索模式：lexical search 处理源码，semantic 处理文档
• 引用系列：GrepRAG（arXiv:2601.23254，轻量级 lexical retrieval）+ LARGER（arXiv:2605.16352，Lexically Anchored Repository Graph）+ "Do Not Treat Code as Natural Language" / Hydra（arXiv:2602.11671）
• 工程实测（DEV Community，2026-09-27）： bash rg "expired coupon|coupon expired|CouponExpired" . rg "validateCoupon|applyCoupon|coupon" src tests
• 与活文档现有脉络的关系：与 rag.md §2.14 RAG 53 范式（R103 AAAI 2026 keyword search）+ R104 增量 ④ BM25 逆袭邻接。代码搜索是"BM25 逆袭"最极端的案例场景——代码的结构化特性（函数名、变量名、import）使得 lexical match 天然优于语义向量检索；这与 R102 VLD-RAG（多模态文档 RAG）形成对比：VLD-RAG 处理的是"语义理解"，代码搜索处理的是"结构精确匹配"——两者代表 RAG 的两个极端；与 R103 Tiered Memory Architecture（选型决策树）邻接——在代码搜索场景，grep 是"零成本检索"选项，这进一步强化了"非向量检索"在特定场景的竞争力；与 R104 Corpus2Skill（增量 ②）形成张力——Corpus2Skill 将知识编译为 skill tree 是"结构化知识"思路，GrepRAG/LARGER 将代码解析为 grep-able 结构也是"结构化知识"思路，两者共同指向"知识结构化是 2026 年 RAG 演进方向"。
• 建议归入节：§2.14 RAG 53 范式（代码搜索场景 RAG 失效 + grep 替代方案）+ §2.6 运行时与基础设施（代码搜索场景选型决策）+ §2.5 评测（GrepRAG/LARGER 评测基准）
• 可信度：★★★（DEV Community 工程师实测，含实际命令和结果；GrepRAG/LARGER 有 arXiv 编号；具体代码搜索任务类型和规模需读原文确认）
• ⚠️ 需读全文：① GrepRAG 2601.23254 原文，确认 lexical retrieval 在代码搜索场景的 accuracy vs vector RAG 量化数据；② LARGER 2605.16352 skill graph 的具体构建方式；③ 代码搜索场景分类——哪些任务适合 grep vs RAG 的判别边界

2. R102/R103 续立条目状态确认（6 件）

3. 值得警惕的矛盾或待核实说法

⚠️ 待核实 ①：R104 RING 检索器内化（增量 ①）与 R102 Superposition（2609.29845）的关系——两者是否在"记忆-检索-推理边界模糊"上形成机制-实现的双向印证？

• 现状：R104 时间线将 RING（检索器内化到模型参数）与 Superposition（transformer 线性叠加）并列，两者共同指向"记忆与检索的边界正在模糊"。但 Superposition 是 transformer 架构的内生属性（表征层），RING 是训练阶段将检索能力注入模型参数（参数层）——两者维度不同，是否有因果关系需要读原文确认。
• 建议核实路径：读 RING 原文（arXiv 编号待确认）+ Superposition 原文 §4 对照

⚠️ 待核实 ②：LazyGraphRAG $0.005–0.05 / 1K docs 成本数字的来源和适用条件

• 现状：LazyGraphRAG 成本数字来自 CSDN 转述，具体数字来自 LazyGraphRAG 官方文档还是生产估算未披露。
• 建议核实路径：查 LazyGraphRAG 官方 GitHub 或 Microsoft Research 博客确认具体数字

⚠️ 待核实 ③：BM25 大规模逆袭的具体量化数据和评测集

• 现状：Jay Sep 28 CSDN 将"BM25 大规模逆袭"列为 2026 年进展，但具体量化数据（哪些评测集？什么规模？）未披露。
• 建议核实路径：读 AAAI 2026 keyword search 原文（6 个数据集具体名称）；查 BM25 2026 新 benchmark 相关论文

4. 可引用 arXiv 号列表

5. 建议归入活文档节

6. 检查过的来源清单

7. R104 vs R103 诚实差异说明

本轮增量性质：本轮无 RAG 主分类新卡，增量密度较 R103 下降一个档次（R103 中偏高 → R104 中低）。增量主要来自工程实践层（Jay Sep 28 CSDN 26 篇时间线 + Jay Sep 27/28 生产实战）而非学术新发布。最重要的结构性新增是 Corpus2Skill（2609.25991）——将知识编译为 skill tree 的思路代表了 RAG 架构层面的新探索；RING/PyRAG/Graph-R1/BM25 逆袭构成了 2026 年新生代 RAG 路线图，需要后续跟进。

8. R104 增量对活文档八角张力的影响评估

R104 新增 5 件邻接增量对 48 维张力的影响：

• 维度新增 0（无 RAG 主分类新卡，无新评测基准，无新范式）
• 维度强化 3 维：① §2.14 RAG 53 范式（RING/PyRAG/Graph-R1/BM25 逆袭 + Corpus2Skill + LazyGraphRAG + GrepRAG/LARGER 五重强化）；② §2.6 运行时（LazyGraphRAG 成本选型 + GrepRAG 代码搜索 + Corpus2Skill pipeline 替代 四重强化）；③ 趋势 312（2026 年 RAG 自规划/轻量化/检索内化方向收敛确认）
• 张力整体：48 维保持不变（无新增维度），但 3 维内容密度提升

Tom · E1 预消化 · R104 · 2026-09-28 08:50 CST · 仅写入 /shared/research-kb/inbox/tom/2026-09-28-rag-e1prep.md