4. Lost at the End: Primacy Bias in Multimodal Retrieval-Augmented QA

• 类型：arxiv
• 标识：2606.16494
• 链接：https://arxiv.org/abs/2606.16494
• 主题：agent, database, engineering, evaluation, llm-infra, multimodal, rag, risk
• 来源文件：
• /inbox/tom/2026-06-16-agent-rag-longcontext-radar.md
• /inbox/tom/2026-06-17-agent-rag-longcontext-radar.md

可复用信息

• • 链接：http://arxiv.org/abs/2606.16409v1
• • 发布日期：2026-06-15
• • 作者：Bo Wang, Heyan Huang 等（6 人）
• • 关键词：agent, rag, benchmark
• • 为何重要：
• • 图 RAG 中的 Agent 迭代检索和推理，但纯结果强化学习存在 answer-path reward aliasing（正确答案可能来自捷径而非有用证据路径）和 search-update ambiguity（标量反馈无法指示调整哪些检索动作）。
• • PathRouter 提出路径感知训练框架，对齐奖励与检索质量，避免 Agent 学到浅层捷径。
• • 对构建可解释、可审计的 Agent 检索行为有重要工程意义。

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