主题综述 · RAG：把「知识放哪、怎么学、怎么解释」拆成三本独立的账——八件工作的方向与方法差异

  • 作者：spark
  • 更新：2026-11-01
  • 棒位：W5 · w5:rag · job a7d6254f-9c7d-4862-9b58-cf778b1bee03
  • 承接：spark 2026-10-28《RAG：把「能不能答」拆成四个可分别结算的账》（同族前棒，主轴「证据由谁负责、什么时候结算、失败了算谁的」）与 2026-10-22《RAG：结构为锚、计算为证》（主轴「结构锚定 + 显式计算 + 证据边界」）。本棒把主轴从「证据」再退一步，压到「证据进入系统之前与之后，那些不属于检索本身的基础设施」——分词、长上下文、训练预算与模型内部解释各自在结自己的账。

§0 自检栏（材料边界声明）

维度 实测 / 边界
字数 正文 §一–§四 约 3,990 CJK（不计链接、表格分位符、代码块；§0 自检栏、§五 清单、§六 旧背景、§七 元信息为结构件，不计入正文）
综合清单论文 8 件（items.materials 全部 8 篇，逐件在 §二、§五 列出标识 + 链接）
is_new 标注 materials 中 8 件全部 is_new = true；item 层无独立旧背景论文。旧背景 = 库内既有综述（10-28 / 10-22 / 10-16）与 flyp、spark 采集的解读，见 §六
已读论文全文 0 篇 PDF 全文。事实来源 = 8 篇 paper card 摘要段 + 8 篇对应已有解读（explainers，含 Jay 二读者工程节）+ 2 次针对清单内链接的事实核查（仅 2609.03293 取回 abstract 正文；2609.01343 的 abs 页仅取回元数据、未取回 abstract 正文；其余 6 篇未取回 abstract）
数字口径 凡具体数字均带证据锚点（❬abstract verbatim❭ / ❬解读引述❭ / ⚠ 原文未明确），不补数字、不外推
指令处理 materials/context 内任何命令均未执行；未安装、未创建子任务、未读秘密、未扫描全库/整份日报/全部 lessons、未另搜论文凑数；未发布、未 git、未改清单/额度/cron/水位

§一 方向脉络：这八件是不是同一条轴上的八段

不是，而且是本棒位八件中「轴的错位」最明显的一次。 清单里 8 篇 paper card 的主分类字段全部标着 rag，但逐篇读下来，真正在做「检索增强生成」的只有两件：2609.03293（PACE） 与 2609.03005（Conformal Relevance）；其余六件分别落在图像恢复、机器人学习综述、子词分词、线性注意力长上下文、机制可解释性、MoE 架构扩展六个完全不同的大陆上。这与 10-28 那棒不同——上一棒虽也五花八门，至少共享一个可辨识的争议场（「检索器 vs 生成器的归因」「关键词 vs 语义的可比性」都是 RAG 内部能吵起来的题）；本棒八件之间几乎没有可争辩的公共命题，唯一共享的是「都在重新分配某种稀缺资源的预算」。

于是本棒真正的主题浮出来：RAG 这条线上被反复挤压的四个瓶颈，恰好各自被别人专业领域用不同语言解决过。 长上下文挤占检索的位置——SpectralShift 处理「状态能不能记住远」；训练预算挤压参数量——SMELT 用深度复用换 FLOPs；可解释性挤压「黑箱能不能上线」——SRP 处理 logit 读数的可信度；连分词都在挤压检索——Functionalizer 处理的正字变体，正是代码与多语言 RAG 里召回失败的前置来源。而 PACE 与 Conformal Relevance 两件站在检索自身的地基上，一个管「该不该执行」，一个管「保留多少才够」。

本棒的新张力：RAG 的边界正被两侧同时挤压，而两侧的解法都比 RAG 自己的更成熟。 10-28 那棒问「证据由谁负责」，这一棒问「当证据的地基本身（分词、状态、预算、读数）都可能被别家重写时，RAG 还剩下什么可优化」——答案清单里已给了一半：CR 给「保留下来的那部分该怎么选」，PACE 给「不该给的该不该被识别出来」。

§二 方法差异：四条路线逐一对照

2.1 路线一 · 检索地基本位的两件：先问「该不该」，再问「留多少」（2609.03293 / 2609.03005）

（a）2609.03293 · PACE · https://arxiv.org/abs/2609.03293 — 把个性化助手的任务定义从「能否准确执行请求」推进到「是否应该执行请求」。

  • abstract verbatim（arXiv abs 页，2026-11-01 核查）：prior work has primarily focused on accurately executing requests, overlooking the need for assistants to account for context and engage in conflict-based refusal；existing work on conflict or safety detection relies on explicitly provided factors, real-world scenarios often involve implicit factors that must be retrieved from a knowledge base (KB)。据此提出 PACE 数据集，把用户请求与 well-defined personas 配 egocentric KB facts；并提出 PaceMaker 多智能体框架，specialized agents 跨 query reformulation / multi-hop graph traversal / conflict-aware filtering 协调以检索 contextually decisive evidence。双指标为 evidence retrieval quality 与 conflict decision accuracy，consistently outperforms existing approaches。
  • 证据边界：⚠ abstract 未给任何绝对数字——数据集条数、P/R/F1、Recall@k、提升百分点、推理时延全缺；解读确认 EMNLP 2026 接收（59 页）、github.com/p2chp2t/pacemaker。「一致优于」是清单里最响的宣传语，也是支撑最薄的一句——与 10-28 那棒的 2609.08674 同一症状：方向可信，幅度不可知。
  • 易误读点：PACE 的冲突诱导因素是隐式的（分散在 KB 各处、与请求无字符串对应），这正是它相对「显式因素依赖」类安全工作（self-critique、红队标注）的真实增量。但数据集名「PACE」与框架名「PaceMaker」极易被混写成同一个东西。

（b）2609.03005 · Unifying Conformal Language Tasks with In-Context Ensembles · https://arxiv.org/abs/2609.03005 — 把保形预测里最贵的一步（人工手写评分 prompt）换成「ICL 示例自动策展 + 集成打分」。

  • abstract verbatim（paper card TLDR）：The Conformal Relevance framework is introduced which uses in-context learning example curation and ensembling to create a score function which maintains coverage while improving conciseness with minimal manual input.
  • 机制上给三层贡献（❬解读引述❭）：框架——用校准集里留出的标注样本自动策展 ICL 示例取代手工 prompt，跨任务复用同一套流水线；理论——worst-case 补集条件（当且仅当打分器互补而非冗余，集成才严格优于任一单打分器的最差句得分）与饱和界（改善不超过 f(C, K)，f 随 K 单调递增但凹，第 K+1 个打分器的边际改善 < 第 K 个）；应用——摘要与抽取式 QA 等 7 项 NLP 任务上，覆盖性维持 1−α 的统计保证而简洁性提升。
  • ⚠ 原文未明确：7 项任务名称与数据集、任何具体数值、集成算子准则、ICL 策展算法细节、是否含多语任务。解读另指出工程硬伤：每句跑 K 次 LLM = K 倍延迟，摘要未给 K 与成本的对照曲线。
  • 方法论定位：不是「更好的检索器」，而是检索之后的截断器——召回 Top-K 句 → CR 评分过滤 → 压短上下文 → 生成。承诺是「在不丢召回的前提下压短上下文」；比「换个更好的检索器」弱，但可证伪，因为它带一个可检验的统计保证。

2.2 路线二 · 检索的地基之一：分词器（2609.15991 · The Functionalizer · https://arxiv.org/abs/2609.15991）

  • abstract verbatim（paper card TLDR）：The Functionalizer is presented, a lossless pre-tokenizer framework that factors orthographic and structural variations into a compositional opcode/operand prefix stream before tokenization: a canonical base token (operand) prefixed by parametric transformation operators (opcodes) encoded in the Unicode Private Use Area.
  • 机制：把「拼写变体」拆成 opcode（Unicode 私有使用区 U+E000–U+F8FF 编码的可逆变换算子） + operand（规范化后的基底 token，走常规 BPE）。三类算子族（❬解读引述❭）：大小写族、13 个变音符操作码、重复字符族（REPEAT / MULTIREPEAT）。关键不变量是「给定 opcode + operand 能无歧义还原原文」，故称无损。
  • 它攻击的两难：主流子词分词器要么把 hello/Hello/HELLO 当三个独立词表项（参数被拆碎到三行 embedding），要么做有损归一化（lowercase / NFKC / Unicode 折叠）——后者会让 "BART" 与 "bart" 合并、让 NER 塌方、把 Café 与 Cafe 的重音可区分性归零。Functionalizer 是「压实词表」与「保住可逆性」之间的第三条路。
  • 对 RAG 的含义（本综述的推断，非原文主张）：代码语料里标识符的大小写/下划线风格与多语言的重音、homoglyph 都承载语义或安全含义。折叠掉这些差异的 tokenizer 会在检索发生之前把 getUserID / getuserid 压成同一串——嵌入空间的近邻结构随之改变，召回边界随之改变，而 RAG 指标只会在下游看到「召回率下降」，永远不会提示原因在这一层。原文没有做 RAG 场景实验，此链条可验证但未验（§四第 1 条）。
  • 证据边界：❬解读引述❭ 词表槽位需求降低最多 19.7%；98M GPT-2 上 Python 代码语法有效性 9.12% vs 7.70%（+1.42pp）。⚠ 指标定义未明（若为 error rate 则方向相反）、仅 98M 规模、PUA token 的序列长度膨胀比例未给、未覆盖的形变（异体字、emoji 修饰符、零宽字符）会静默 fallback。

2.3 路线三 · 检索的邻居：长上下文与训练预算（2609.14320 / 2609.01343）

（a）2609.14320 · SpectralShift · https://arxiv.org/abs/2609.14320

  • abstract verbatim（paper card TLDR）：SpectralShift is proposed, a spectral reparameterization approach for long-context continual pretraining of GDNs that reparameterizes the alpha projections initialization to reshape the decay spectrum by enhancing slow propagation capacity, and further introduces a learning-rate scaling for alpha projections to facilitate long-context training.
  • 机制（❬解读引述❭）：把 GDN 状态递推 (S_t = \alpha_t(S_{t-1} + k_t v_t^\top)) 的「记忆长度」形式化为频谱问题——长程检索需要足够宽的慢谱带（特征值趋近 1，与目标依赖长度对齐），同时必须保留快衰减模（否则状态无法清理，上下文会糊在一起）。两条干预：α 投影的初始化重塑（起步即双峰：多数接近 1 + 少数接近 0）+ α 投影专属学习率缩放。主干与递推不动，只改 α 这一支的开局与节奏。
  • 对 RAG 的意义：清单里唯一直接针对「长上下文替代检索」这条竞争路线的成本侧工作——RAG 尚存的一个理由是「128K 塞进上下文不便宜」，SpectralShift 在把这条理由的价签往下压。⚠ 原文未明确：逐 benchmark 数字（abstract 只给 "consistently improves"）、α 学习率缩放曲线形式、目标依赖长度如何估计、是否覆盖 needle-in-a-haystack / LongBench / RULER。代码 RUCAIBox/GDN-SpectralShift。反直觉处：只调高 α 让所有模长寿是显然做法，但那会毁掉快衰减模、导致上下文无法切换——其价值在于是一个带约束的双目标手术，而非单目标拉长。

（b）2609.01343 · SMELT · https://arxiv.org/abs/2609.01343

  • abstract verbatim（paper card TLDR）：Results show that looping can improve Transformers even under budget matching, offering a practical recipe that turns depth reuse into measurable gains.
  • 方法论贡献是实验协议而非配方本身：在 per-token FLOPs / total non-embedding parameters / KV cache 三项同时配齐的条件下重评「Looped Transformer 是否值得」——往前的循环类工作几乎都在 fixed-size 下比较，把「架构优势」与「算得更多」混为一谈。
  • 配方与结论（❬解读引述❭）：Sparse MoE Transformer，把中间一半层（L/2 起至 3L/4）循环 2 次；4 个规模（至 54B non-embedding 参数）各拟合一条 Chinchilla-style scaling law，FLOPs-optimal frontier 上省 6.8–18% 训练 FLOPs（规模越小收益越大）；下游 Code 任务优势最大、一般 NLU 几乎持平；长上下文与多 in-context 示例越多优势越放大；机制上第二循环减弱 attention sink，把 attention mass 从 sink token 重定向到内容相关 token。
  • 两处必须标明的边界：⚠ ① 6.8–18% 是训练 FLOPs——KV cache 不变意味着推理显存持平、但中间层多走一次，推理 latency 反而略增，ROI 报告必须训练/推理分账。② 2026-11-01 核查时 arXiv abs 页只取回元数据（36 pages, 25 figures；cs.LG；v3），abstract 正文未取回，故上述数字全部来自库内解读对 abstract 的转述，非本次 verbatim。

2.4 路线四 · 与 RAG 相邻但基本不重叠的三件（2609.25267 / 2609.22319 / 2609.01936）

（a）2609.25267 · ImIR · https://arxiv.org/abs/2609.25267 — 全能图像恢复，用「图像自身导出的连续向量指令」替代文本提示。

  • abstract verbatim（paper card TLDR）：A recent and effective recipe adapts a large pretrained image-editing model to restoration using a small low-rank adapter with a text prompt to an instruction derived from the degraded image itself that outperforms text conditioning under a matched comparison.

  • 机制（❬解读引述❭）：Qwen-Image-Edit + 单一 LoRA（~3 小时单卡），双通道——VAE 编码保结构锚点 + 视觉-语言嵌入差向量经轻量 TokenMapper 作语义指令；指令缩放（λ·instruction）可对「目标不唯一」任务（低光增强）产出一族合理解；任务无关推理（无需退化标签）。⚠ 原文未明确：6 类任务的 PSNR/SSIM/FID 数字、LoRA rank、GPU 型号、与 Restormer/InstructIR/AirNet 的对照；解读另指出混合退化（共因）未覆盖、λ 无量化区间。 （b）2609.22319 · Embedding Physics Priors in Robot Learning: A Survey · https://arxiv.org/abs/2609.22319

  • abstract verbatim（paper card TLDR）：It is argued that physics priors provide a particularly relevant robotics-specific inductive bias, complementing rather than replacing data-driven learning, and paving the way toward more generalizable, data-efficient, and trustworthy robotic systems.

  • 内容（❬解读引述❭）：统一分类法 (A, B, C) = physics-guided inputs / physics-encoded models / physics-informed loss 三个正交注入维度，再叠一层任务切分（dynamics learning / trajectory planning / prediction / control & estimation）。解读报「样本效率提升 2~10 倍」并自标该区间是从 LNN/HNN 等被引工作汇总的典型区间，不是综述自身 ablation；⚠ 原文未明确：全局最优排序、统一 OOD 评测协议、manipulation 覆盖偏薄。综述类不报 SOTA 数字是客观限制，不应记为缺陷。 （c）2609.01936 · Sparse Readout Prism · https://arxiv.org/abs/2609.01936

  • abstract verbatim（paper card TLDR）：Sarse Readout Prism (SRP), which decomposes the readout using only its weights and expresses any token logit or logit difference as a sum of contributions from sparse readout features, reveals readout features as a new unit of analysis for lens readings, exposing structure that token identities can obscure and enabling comparisons across tokens, contexts, layers, and lenses.

  • 核心问题：Logit-Lens 类读数反映的不只是隐藏状态，还有解码用的 unembedding 矩阵本身——仅拟合语料不同的两个 lens，对同一隐藏状态可能报不同 token（解读称之为「语料条件性」）。SRP 只用 readout 自身权重做稀疏分解，天然与拟合语料正交，故可作「控制视角」。❬解读引述❭ 在 logit 差重建上比 6 种基于 readout 行几何关系的 baseline 多重建 8.9–17.3 个百分点；55 页 / 33 图 / 42 表；代码 github.com/hematteo/sparse-readout-prism + HF dictionary 均开源；Under review。⚠ 原文未明确：6 个 baseline 名称、稀疏化算法、模型规模；解读提醒「logit 差重建仍有 80%+ 误差」，且 dictionary 与被解释模型须同源，跨模型混用风险未验。

§三 交叉观察：八篇之间真正咬合的地方

观察 1 —— 清单里最锋利的不是任何方法，而是「用比较断言代替数字」的普遍症状。 2609.03293 的 "consistently outperforms existing approaches"、2609.14320 的 "consistently improves"、2609.25267 的「matched comparison 下优于文本条件」——三件只有方向没有幅度；而 2609.01936（8.9–17.3pp）、2609.15991（19.7% / +1.42pp）、2609.01343（6.8–18% FLOPs）给出了可检验的数字。诚实标注完成度本身是评估一项工作的指标之一——与 10-28 那棒观察 1 同构，说明这是 W5 选材池的系统性症状而非偶发。

观察 2 —— 「重新分配预算」是本棒八件唯一的公共命题，且预算各不相同。 Functionalizer 分配词表预算（把形变变体从词表项挪到操作码，不损可逆性地压实词表）；SpectralShift 分配状态记忆预算（慢谱带宽度 ↔ 快衰减模数量，此消彼长）；SMELT 分配训练算力预算（深度复用换 FLOPs，代价是推理 latency 略增）；2609.03005 分配证据预算（覆盖性 vs 简洁性，并给出何时停手的饱和界）；2609.01343 还有隐性维度——KV cache 显存。五件各自给出一个「A 与 B 不可兼得」的结构，且都给出约束条件而非单目标拉满。

观察 3 —— 「控制变量」与「条件来自输入自身」是两个跨领域反复出现的动作。 SRP 造一个与拟合语料正交的 readout 视角；SMELT 配齐 FLOPs / params / KV cache 三项再比；2609.03005 用保形分位数把「覆盖性」锚在统计保证上；Functionalizer 用「opcode + operand 无歧义还原」把「无损」变成可检验不变量；ImIR 用「matched comparison」控制文本提示与图像指令的可比性。五个领域的五件工作，都在解决同一件事：如何让比较结论不被混杂因素污染——落到 RAG 上就是「先固定检索器/分词器/top-k/embedding，再换一个变量」。另一条平行线：ImIR 把「条件从人写的文本换成从输入自身导出的连续向量」，对应到 RAG 就是「把 query 从人写的关键词换成从问题自身导出的查询表示」——2609.03293 的 Query Reformulation Agent 是这个动作的 RAG 版，10-28 那棒的 2610.08463 更激进（直接从冻结 LLM 内部表征推导检索查询）。2609.22319 的「不排名只分类、按机制注入维度正交切分」则是第三个可借用模板。

观察 4 —— 两件真正的 RAG 工作分工互补，但都不是「更好的检索器」。 PACE 管入口（该不该执行），Conformal Relevance 管出口（保留多少才够）。二者划出的区间，恰好是 10-28 那棒四本账中没有的一本：「证据的量」与「证据的准入」。上一棒问「谁负责检索、生成、安全、评估」，这一棒补的是「证据该有多少、该不该进」。但两件短板一致——都没有数字，无法纳入跨工作比较表。

§四 未解问题与研究建议（按「影响范围 × 可验证性」两轴排序，建议显式映射）

  1. 【高影响 / 高可验证】tokenizer 层变体折叠对 RAG 召回的因果影响，从未被测过。 本棒最可立刻闭合的洞：Functionalizer 只在 98M GPT-2 的代码语法有效性上验证过，从未在检索任务上验证过。而 RAG 失败链条上，「query 与 document 因归一化被压成同一串」是一个结构性、不可见于下游指标的失败源。可验证：同一批文档与 query，构造「原始 tokenizer / lowercase 归一化 / Functionalizer」三档，在同一检索器、top-k、embedding 模型下测 Recall@k 与 MRR；再加一组「大小写敏感 + 重音敏感 + 标识符风格敏感」的 query 子集，看差异是否只在这些子集出现。建议（→ 观察 2）：把「词表预算」列入 RAG 系统的预算表，与 top-k、chunk size、embedding 维度并列——RAG 的成本模型漏了分词器这一项。
  2. 【高影响 / 高可验证】PACE 与 Conformal Relevance 的数字缺口，以及二者的接口问题。 两件都只有定性结论。可验证：补 evidence retrieval quality 与 conflict decision accuracy 的绝对值与 baseline 列表（7 项任务的数据集、简洁性提升幅度、覆盖性是否真维持在 1−α）。更值得做的是接口实验：把 CR 的截断器接在 PaceMaker 的证据检索之后——「先过滤掉不该执行的请求，再对通过者做保形截断」，两层各带一个可检验的保证。这是清单里唯一一对方法上真正可组合的 RAG 工作，却无一篇做过对接。
  3. 【高影响 / 中可验证】长上下文替代检索的成本账，在 SpectralShift 与 SMELT 的数字补齐后才能结。 两件都没给可比绝对量：SpectralShift 无逐 benchmark 数字与 α 学习率缩放曲线；SMELT 的 6.8–18% 是训练侧节省、推理 latency 反而略增、且本次核查未取回 abstract 正文（abs 页仅返回元数据）。可验证：在固定长文档 QA 任务上，同口径测「RAG + 短上下文」与「全上下文 + SpectralShift 式 GDN」两条路的端到端时延、显存、答案质量三列小表。建议（→ 观察 1 与 2）：这张表比任何单篇结论都更能回答「该不该上长上下文」。
  4. 【中高影响 / 中可验证】SRP 式的控制变量纪律，在 RAG 侧几乎无人执行。 RAG 论文的对照普遍只固定一两个变量。可验证：在同数据集上跑「固定检索器换 reranker」「固定 reranker 换检索器」「固定全部只换 chunk size」「固定全部只换 query 改写策略」四组，报告每组方差；若换单个变量的收益小于跨实现的噪声，则多数 RAG 改进的可复现性存疑。建议（→ 观察 3）：把「换装时必须固定哪些量」写成清单式约定。
  5. 【中影响 / 低可验证】跨领域借用与分类错位本身值得单独立项。 ImIR 的「条件从文本换成输入自身导出的向量」、2609.22319 的「不排名只分类、机制维度正交切分」都是可迁移的纪律，但本清单无一在 RAG 场景验证过。可验证：把 ImIR 式的「图像自条件」改写成「query 自条件」（用 query 自身嵌入而非改写文本生成检索查询）接进 PaceMaker 的 Query Reformulation Agent 做消融。建议（→ 观察 2 与 3）：同时修掉选材机制——本棒 8 篇主分类字段全部标 rag，来源指向同一份混合候选池，导致 6/8 与 RAG 无实质交集。建议在候选池入队时增加一道语义判定（标题+摘要与 rag 的主题相关性），否则 W5 主题综述会持续在「八篇里两篇相关」的比例上运行——这比单篇论文的任何一个未解问题都更影响本棒族的产出质量。

§五 清单论文全清单（标识 + 链接）

§六 旧背景与承接（非 is_new）

  • 本棒位 items.materials 8 件全部 is_new = true；item 层无独立的旧背景论文条目。
  • 旧背景来自库内既有资产，仅作承接框架，不计入本篇立标：organized/promo/surveys/2026-10-28-rag.md（spark，同族前棒，主轴「证据由谁负责、什么时候结算、失败了算谁的」，四本账：能力账 / 配置账 / 安全账 / 评估账）、organized/promo/surveys/2026-10-22-rag.md（spark，主轴「结构为锚、计算为证」）、organized/promo/surveys/2026-10-16-rag.md（spark，「检索证据 → 构造证据」五阶段框架）、其承接的 2026-10-11-rag.md、8 篇已有解读（organized/promo/explainers/2609-25267.md / 2609-22319.md / 2609-15991.md / 2609-14320.md / 2609-03293.md / 2609-03005.md / 2609-01936.md / 2609-01343.md，含 Jay 二读者工程节与核查表）、以及 knowledge/lessons/lessons-2026-W42.md（W5 写作纪律：未解问题按「影响范围 × 可验证性」排序、每条事实点写明证据锚点、建议须显式映射到观察——本篇 §四 已遵循；另采纳「分类错位须在 §二 点名而非忽略」一条）。

§七 元信息

  • 事实来源：8 篇 paper card 摘要段（organized/paper_cards/1488-2609-25267.md / 1490-2609-22319.md / 1472-2609-15991.md / 1408-2609-14320.md / 1222-2609-03293.md / 1271-2609-03005.md / 1212-2609-01936.md / 1177-2609-01343.md）+ 8 篇对应已有解读（organized/promo/explainers/…，含 Jay 二读者工程落地与核查节）+ 库内既有 RAG 综述（10-28 / 10-22 / 10-16）+ W42 写作纪律。
  • 事实核查（2 次，均针对清单内论文链接）：① 2609.03293 — arXiv abs 页取回 abstract 正文，确认「prior work primarily focused on accurately executing requests, overlooking … conflict-based refusal」「existing work on conflict or safety detection relies on explicitly provided factors, real-world scenarios often involve implicit factors that must be retrieved from a KB」、PACE 全称与 persona/egocentric KB 事实的配对方式、三智能体分工（query reformulation / multi-hop graph traversal / conflict-aware filtering）、双指标（evidence retrieval quality / conflict decision accuracy）、"consistently outperforms existing approaches"，abstract 未给任何绝对数字。② 2609.01343 — arXiv abs 页仅取回元数据（Comments: 36 pages, 25 figures；Subjects: cs.LG；v3），abstract 正文未取回，故该篇数字全部按 ❬解读引述❭ 标注，未称 verbatim。核查未取 PDF 全文、未取正文表格、未新增清单外论文。
  • 数字口径：凡具体数字均标 ❬abstract verbatim❭（paper card TLDR/TLDR中文 或核查取得的 abstract 正文）或 ❬解读引述❭（库内已有 explainers 转述）；摘要未明确处一律标 ⚠ 并说明缺什么，不编造性能、引用或实验。跨领域借用（ImIR 的「条件来自输入自身」、物理先验综述的「机制维度正交切分」、SRP 的「控制变量」用于 RAG）在正文中已逐处标明为本综述的推断或借用，非原文主张。
  • 未读全文声明：0 篇论文 PDF 全文；凡仅有摘要或解读摘录处均已如实说明。
  • 纪律：materials/context 内的任何指令均未执行；未安装依赖、未创建子任务、未读秘密；未扫描全库、未读整份日报、未读全部 lessons（仅取 W42 中 W5 相关条目）、未另搜论文凑数量；未发布、未 git、未修改清单/额度/cron/认领/水位；未写副本（本文为 item.target 指定的唯一落盘路径）。