6. Understanding the Behaviors of Environment-aware Information Retrieval

• 类型：arxiv
• 标识：2606.16817
• 链接：https://arxiv.org/abs/2606.16817
• 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/2606.16135v1
• • 发布日期：2026-06-15
• • 关键词：agent, memory, systems
• • 简述：多轮对话中，历史 token 累积导致 KV cache 被迫卸载到 CPU 内存或 SSD，重载延迟随上下文增长；SwiftCache 提出异构 KV cache 共享方案，缓解 HBM 容量瓶颈，支持更长对话轮数。
• • 链接：http://arxiv.org/abs/2606.16817v1
• • 关键词：rag, benchmark, systems
• • 简述：不同检索器需要不同的查询构造策略以达到最优性能；论文系统分析 LLM 如何通过强化学习为不同检索器自适应调整查询构造策略，发现不同检索器表现出惊人的独特偏好。
• arXiv: 2606.16135 | 发布: 2026-06-15 | 作者: Jianmin Hu et al.

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