条目R2：RAG over Thinking Traces — 思维痕迹检索改善推理任务（arXiv 2605.03344v2）

• 类型：arxiv
• 标识：2605.03344
• 链接：https://arxiv.org/abs/2605.03344
• 主题：agent, database, engineering, evaluation, llm-infra, multimodal, rag, risk
• 来源文件：
• /inbox/jay/2026-06-14-night-briefing.md
• /inbox/stephen/2026-06-14-stephen-coordination-check-evening.md
• /inbox/tom/2026-06-13-rag-agent-multimodal-radar.md
• /inbox/tom/2026-06-14-agent-rag-eval-radar.md

可复用信息

• • 关键发现：
• • 基于文本推理主导两个赛道：C2F-RAG通过索引摘要和字幕（而非直接处理视频）获得最高检索分数；所有生成系统都将视频转为文本后再推理
• • 推理时间推理（Inference-time reasoning）比一阶段模型选择更重要
• • Reranking将OmniEmbed从最弱基准变成竞争性一阶段检索器
• • 迭代QA生成明显优于单次生成
• • 人类偏好与自动评估指标出现分歧
• • 标签：multimodal video-retrieval RAG ACL-2026 shared-task
• • 建议分类：Reproduction / 多模态系统评测

写作用途

• 可放入 RAG / 知识库 / 检索增强相关工作的对比段。
• 可用于 Agent 架构、记忆、工具调用或多智能体研究背景。
• 可用于多模态推理、视觉语言模型或长上下文多模态问题定义。
• 可用于系统实现、实验平台或工程约束说明。
• 可用于局限性、风险、失效模式和未来工作。

待补齐

• BibTeX / 正式引用格式
• 方法与实验设置细节
• 与现有工作的差异点
• 是否有代码和数据集