5. SwiftCache: Efficient LLM Serving for Multi-turn Conversations

• 类型：arxiv
• 标识：2606.16135
• 链接：https://arxiv.org/abs/2606.16135
• 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

• • 为何重要：
• • 纯文本长上下文 LLM 存在 U 型"lost-in-the-middle"效应（开头和结尾的信息被使用，中间丢失），但该效应是否迁移到多模态 KB-VQA 尚未明确。
• • 论文设计首个受控探针协议，发现多模态检索增强 QA 同样存在 首因偏差（primacy bias），位置敏感性显著。
• • 对多模态 Agent 和长上下文检索系统的提示工程和上下文排序策略有直接指导价值。

---

• • 链接：http://arxiv.org/abs/2606.16135v1
• • 发布日期：2026-06-15
• • 关键词：agent, memory, systems

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