🔟 arXiv · AgenticRAG: Agentic Retrieval for Enterprise Knowledge Bases（⭐⭐⭐ 参考）

类型：arxiv
标识：2605.05538
链接：https://arxiv.org/abs/2605.05538
主题：agent, database, engineering, evaluation, llm-infra, multimodal, rag
主分类：agent
形态：method
被引：0
被引来源：Semantic Scholar + OpenAlex
S2被引：0
OpenAlex被引：0
影响力被引：0
TLDR：The approach reduces this overdependence by layering a lightweight harness on top of existing enterprise search infrastructure, equipping a reasoning LLM with search, find, open, and summarize tools enabling the model to iteratively retrieve information, navigate within documents, and analyze evidence autonomously.
OpenAlex ID：W7160601368
OpenAlex DOI：10.48550/arxiv.2605.05538
DOI：10.48550/arxiv.2605.05538
DOI来源：OpenAlex
开放获取：green
开放获取链接：https://doi.org/10.48550/arxiv.2605.05538
OpenAlex更新：2026-07-19
标题中文：1️⃣ arXiv · AgenticRAG: Agentic Retrieval for Enterprise Knowledge Bases（⭐⭐⭐ 参考）
TLDR中文：该方法通过在现有企业搜索基础设施之上叠加一层轻量级 harness，为推理型 LLM 配备 search、find、open、summarize 等工具，使其能够自主地迭代检索信息、跨文档导航并分析证据，从而降低对单一环节的过度依赖。
副分类：rag
待LLM分类：否
来源文件：
/inbox/jay/2026-06-10-agent-memory-mechanisms-rag-eval.md
[S2 enrich]
[OpenAlex backfill]

可复用信息

- 链接：https://arxiv.org/html/2606.07402v1
- 评估多模态记忆（图像 + 文本）在真实人-Agent 交互场景；引用 Kimi K2.5、GPT-5.5 instant、GPT-5.4 等最新模型；Qwen2.5-VL-32B-Instruct 作为 LLM-as-Judge
- 标签：Multimodal Memory Benchmark Evaluation
- 链接：https://arxiv.org/html/2605.05538v1
- FinanceBench 数据集评测：Agentic RAG + GPT-5-mini 达到 92% 正确率，是传统 RAG 的 3.8 倍；指出 agentic 检索 > 关键词检索 baseline（2.8×）
- 标签：Agentic RAG Enterprise FinanceBench Evaluation
- 链接：https://arxiv.org/html/2510.13910v2
- 细粒度评估 Agentic RAG 组件能力（规划/检索/推理中间过程），而非仅端到端 QA；揭示中间步骤错误如何级联影响最终答案