一项受控研究在约450倍跨度、28个严格嵌套的语料规模层级上比较多种RAG范式，发现存在规模依赖的交叉点而非绝对赢家。File-System Agent在最小规模领先，但约1000万语料token时BM25反超并在所有更大层级保持领先，全规模下优势接近20个点。BM25还锚定了无需LLM构建的低成本帕累托前沿。
推荐理由：这篇论文把词法、稠密、图检索和代理搜索放在同一个尺度下对比，发现数据规模越大，BM25越强，这很反直觉，做RAG应用的选型逻辑可能要变。
AskChem 将化学文献检索单元从论文转为带来源的声明，每篇论文被拆解为原子化、带类型的声明，并附有 DOI 和原文引用。该系统已索引 147K 篇论文中的 2.4M 条声明，提供网页界面及 REST、SDK、MCP 访问。在 AskChem-Bench 上，接入 AskChem 的 GPT-5.5 阅读器实现了 100% 可解析 DOI，而未检索时为 88.3%。
Zero-Mem 提出零 token 记忆操作，除最终问答外，记忆构建、检索与校准等所有环节均不调用 LLM 或消耗其输入输出 token，仅用编码器计算。该方法保留原始交互轨迹，通过实体-上下文图与时间层级双视图组织证据，在长记忆与长上下文问答基准上达到竞争性表现，并将记忆操作时间成本较最快基线降低 57.6%。代码将在同行评审后公开。
推荐理由：Zero-Mem将记忆操作与LLM完全解耦，通过实体图和时序层级互补检索，在LoCoMo和HotpotQA上全面超越生成式记忆基线，效率提升明显，对Agent记忆系统设计有直接借鉴意义。
ExtractBench 发布，成为首个同时评估值准确率、记录完整性、来源可追溯性与成本的模式引导抽取基准。其评测集涵盖 370 份企业文档、4,869 页、8 个业务领域和 67 种文档类型。商业 VLM 在短文档上表现良好但长文档易截断记录，LlamaExtract Agentic Plus 在全部三项指标上排名第一，准确率接近编码智能体且成本远低。
Marktechpost AI 团队发布 Token Saver，一款面向 Claude Desktop 的开源 MCP 扩展，通过本地混合 RAG 在设备端检索 PDF，无需上传文件。该工具将 token 消耗削减 92%-99%，并保证数据隐私，设置无需 Python 环境或终端配置。
推荐理由：这个开源 MCP 扩展把 PDF token 成本砍掉 99%，本地运行还不传数据，对需频繁处理长文档的 Claude 用户是个实用方案。
LlamaIndex 发布 Parse Gateway，基于 LiteParse v2.2.0 的 is_complex 功能在页面级估计文档复杂度，并把每页路由到不同 LlamaParse 层级，简单页走免费进程内 LiteParse，复杂页升级到更高 tier。
Fireworks 发布一条低于 10 美元、约 150 步的对比微调配方，将 Qwen3-Embedding-8B 适配到特定检索领域。
推荐理由：原文用真实任务给出完整可复现的对比微调配方和成本数字，读者可以据此判断是否迁移到自己的检索场景。
AK@_akhaliqAI 评分2626从专有到开源 通过多智能体协议蒸馏弥合智能体搜索中的分布差距 论文：https://huggingface.co/papers/2607.24280
一项研究发现，视觉语言模型在文档理解中通过坐标输出证据区域时，即使答案正确也常定位错误（归因幻觉）。在CiteVQA子集上对比六款开源模型，语言接口（模型直接引用原文，由布局解析器定位）的证据召回率从坐标接口的至多8%提升至26%-47%，幻觉率减半。基于此，研究提出无需区域标签的GRPO训练方法，将8B骨干模型的严格归因准确率从22.4提升至33.8。
研究团队发布 InMind 基准，包含 125 个专家验证任务，测试智能体记忆系统处理隐式关联的能力。当关键记忆直接放入上下文时，骨干模型能回答 84.0% 的间接查询；但通过六种记忆系统检索时，命中率最高仅 14.4%，尽管这些系统直接召回准确率可达 100%。失败根源在于查询驱动的检索接口本身，将“路由——决定哪些事实必须保持可见”确立为核心开放问题。
推荐理由：这个基准把agent记忆系统的一个盲点钉死了：需要联想才能提取的常识，当前检索几乎必漏。它指向一个结构性问题，做记忆的该认真看。
研究者提出 Relevance-Aware RipGrep Search Agent (RARG)，将相关性评分转化为语料库交互的执行先导。RARG 通过粗到细的相关性引导——排序文档遍历顺序、初始化查询相关段落入口、重排 grep 匹配结果——在复杂问答和推理密集型检索任务中提升了准确率-效率边界。该方法展示了相关性感知交互能实现更快、更可靠的搜索收敛。
Datalab 将 Marker 重写为三模式管道，v2 版本在 olmOCR-bench 上达到 76.0 分，单张 B200 上每秒处理 2.9 页——速度是 MinerU 管道后端的 5 倍以上，同时在准确率和速度上均优于 Docling。
Rohan Paul@rohanpaul_aiAI 评分3737
韩国江原大学团队提出 ARI（Archive Restoration Intelligence），一种结合大语言模型隐式知识与检索增强生成（RAG）显式外部知识的框架，用于修复历史文档中因物理损坏而缺失的字符。在韩国历史文档上的实验表明，ARI 在恢复通用字符和命名实体上均显著优于基线模型，专家评估确认其可作为领域专家的实用工具。模型与代码已开源。
现有多语言重排序器在语义等价文档跨语言出现时，未能一致优先排序与查询同语言的文档。研究团队发布LAMAR，一种语言感知的多语言交叉编码器，通过英语锚定相关性蒸馏和语言一致性偏好对齐两阶段训练，在控制实验中所有语言的语言一致性指标上取得最佳表现，并在多语言重排序基准上保持竞争力。实际检索场景中，LAMAR在重排序第一阶段候选时所有报告指标均达最优。
研究者提出SetwiseEvalKit，一个覆盖短文本与长文本场景、包含约28K条高质量评估准则的三级九维度文档集合评测基准。对12种重排序器的评估显示，最佳方法覆盖率不足45%，跨文档协调维度普遍薄弱。基于此提出的免训练方法Rubric4Setwise将准则转化为集合选择信号，在更少文档和搜索轮次下取得最优下游生成性能，是唯一在两个场景均保持SOTA的方法。
论文提出 Agentic Context Management（ACM）框架，将智能体上下文管理从存储问题重新定义为包含架构、摄取、范围界定、预判、压缩与整合五个原语的生命周期管理。
推荐理由：这篇论文把代理记忆从‘存什么’重新表述为‘管什么’的生命周期问题，五个原语和线性成本论证，对做生产级代理的团队有直接的架构启发。
OpenBMB@OpenBMBAI 评分5454清华NLP与东北大学提出KG-Infused RAG，将知识图谱（Wikidata5M，约2100万三元组）引入RAG，通过“扩散激活”机制同时检索文本段落与结构化事实。
微软与中国高校团队推出 FinanceComplexQA，一个针对工业级金融文档的开放式生成评测基准，包含 2,026 项深度研究任务，覆盖 1009 份真实金融文档。该基准支持双语、六大场景与七类任务，采用 Agent-as-a-Judge 多指标评估。团队还提出 Finance-LaTeX SKILL 多智能体框架，可自动合成 2,000 份金融文档与 6,000 个问答对，用于扩展基准。
英伟达开源 Nemotron 3 Embed 系列模型，面向 AI 智能体和 RAG 场景，配备 32K 上下文窗口。其中 8B 参数版在 RTEB 基准上以 78.5% 得分斩获榜首，MMTEB 检索得分 75.5%。该系列以开放权重形式通过 Hugging Face 与 NVIDIA NIM 免费提供，支持商业使用。
NVIDIA 发布 Nemotron 3 Embed 系列，包含三个开源 checkpoint，其中 8B-BF16 版本在 RTEB 基准上以 78.46 的平均 NDCG@10 排名第一。1B-NVFP4 版本在 Blackwell 上吞吐量比 BF16 高 2 倍，精度保留 99.5%，所有模型最大序列长度 32,768 tokens。
推荐理由：嵌入模型不是最热的赛道，但决定了你 Agent 看到什么——NVIDIA 把 1B 模型压缩到 RTEB 第二，NVFP4 量化后精度几乎不变，做 RAG 的值得换上。
Rohan Paul@rohanpaul_aiAI 评分6666
VentureBeat Pulse Research对101家企业调查发现，57%的组织在过去六个月内曾遭遇AI智能体产生自信但错误的回答，且追溯至缺失或不一致的业务上下文。
OpenBMB@OpenBMBAI 评分3737
Apple 机器学习研究团队提出 CLaRa，一种通过连续潜在推理桥接检索与生成的新方法。该方法在检索增强生成（RAG）中引入连续潜在空间，使模型在生成答案前先进行隐式推理，从而缓解长上下文带来的性能下降。CLaRa 在多个知识密集型基准上提升了 LLM 的准确率与效率。
Chat2Scenic提出首个迭代检索增强框架，将法规描述自动转化为自动驾驶测试场景的可执行脚本。在包含123个场景的开放基准上，该框架实现76.42%编译成功率和58.17%框架准确率，显著超越现有方法。代码已开源。
凡人小北@frxiaobeiAI 评分4040挺好的一本书，没想到竟然能把 Agent 做得这么细、这么落地。建议收藏，常看常新。 阿里云这份《金融行业 Agent 百景图》真的太全太实了，把过去一年在银行、证券、保险里做的大模型落地实践梳理成册，200 多个 Agent 案例，干货密度超高。 比如智能投研怎么跑，客服怎么加 AI，风控怎么做合规验证，甚至连监管辅助 Agent 都写出来了；全程围绕 MoA（Mixture of Agents）+ RAG 架构，搭配工具链 + 多模态，完全就是一本金融 AI 工程化说明书。 如果你是已经在做金融 AI 的，看这个能找到方向参考； 如果你是对金融感兴趣、但不知道 AI 能干嘛、或者 Agent 怎么落地的，这份可以直接抄，照着做都行。 哪怕你是其他行业，只要在想“我这行业 AI Agent 能干嘛”，这份也能提供非常多可迁移的思路，值得好好读一遍。 电子版链接放评论区，建议收藏一份，做 AI 的别错过，做金融的更得看。
RAGU 开源模块化 GraphRAG 引擎通过两阶段类型化抽取、DBSCAN 去重和 Leiden 社区检测，解决了单次抽取带来的噪声实体问题。其训练的 7B 参数 Meno-Lite-0.1 模型在知识图谱构建上超越 Qwen2.5-32B（相对调和平均提升 12.5%），在 GraphRAG-Bench（Medical）上证据召回率达 0.84。
Docker 容器本质上是拥有独立命名空间的普通 Linux 进程。Docker CLI 通过 API 将命令发送给 dockerd，dockerd 再调用 containerd 和 runc 来创建隔离环境并启动进程。
研究者提出GRASP，一个基于强化学习的框架，训练AI智能体在多步推理中自适应协调语义搜索、关键词搜索和段落阅读三种检索工具。GRASP通过联合奖励函数优化答案准确率、证据溯源和检索效率，在多跳推理基准上相比单步检索和提示式智能体RAG显著提升了检索召回率和下游问答性能。学习到的策略展现出可解释的扫读与精读行为：语义搜索用于广泛探索，段落阅读用于局部验证，关键词搜索用于实体证据定位。
elvis@omarsar0AI 评分5555
DocuBrowse v0.9.1 已打包为 Linux（RPM、DEB、tarball）、Windows（zip）和 macOS（dmg）。该工具将 PDF、EPUB、Word 等文档转化为可搜索的知识库，支持 SQLite FTS5 关键词搜索和 Ollama（nomic-embed-text）语义搜索，默认混合模式（70% 语义 + 30% 关键词）。点击文档标题可调用 dolphin3 模型生成 AI 摘要并缓存。内置 PII 扫描可检测并移除身份证号、信用卡等敏感信息。完全离线运行，无需网络、账户或 API 密钥。界面含暗/亮主题、分页结果、标签云筛选和 0–100% 相关性评分。支持多种文档和源代码格式。
近日，AWS 基于 Neptune Analytics 与 Bedrock 构建的 GraphRAG 方案，将制药企业研发周期缩短 87%。系统整合此前隔离的专有数据库与 PubMed 等公开资料，通过 Amazon Comprehend Medical 抽取医疗编码，由 Bedrock 上的 Claude 4.5 Sonnet 总结文档并判断主题相关性，最终形成可查询的知识图谱。早期企业用户数据显示：初始发现阶段从 6 个月降至 3 周，数据检索速度提升 85%，研究评审时间减少 70%。每个回答附带可验证引文和图谱遍历路径。标准架构（16 个预配内存单元）运行成本为每小时 $0.48，开发环境使用 t3.medium 实例。系统支持模块化替换语言模型或图结构。
Kapa 在检索器与生成器之间加入一个廉价小型 LLM，将其作为修剪器。该 LLM 对问题与所有检索到的文档块进行列表式评分（五级尺度：ESSENTIAL/CONTRIBUTING/SUPPORTING/TANGENTIAL/UNRELATED），丢弃评分低于阈值的块。该方法丢弃约 68% 的上下文，同时保持约 96% 的召回率，并使得单次查询的净成本降低约三分之一。与基于重排序分数的固定截断或锚点方法不同，该设计同时评估所有块，解决了块间组合相关性无法被点式评分判断的问题。
针对视觉语言模型（VLM）在文化遗产领域开源解释证据不可靠、证据不完整时产生自信但无依据回答的问题，研究者提出VaseMuseum——一个轻量级模块化多模态智能体框架。该框架结合交互式虚拟博物馆与VaseAgent，支持2D图像和3D文物多模态感知、3D感知推理、外部知识检索及推理时可靠性控制。VaseAgent从权威网站和博物馆知识源检索证据，通过源级控制选择多样且可验证的证据；响应级控制将生成内容与证据库比对，在支持不足或冲突时鼓励中立、有证据边界的回答。此外，一种免训练的GRPO风格选择机制在不更新VLM主干的情况下，优先选择具有有效引用和校准置信度的响应。实验表明，VaseMuseum相比启用搜索的VLM基线，提升了引用有效性，减少了知识密集型查询的模型幻觉，并在模糊情况下产生更中立的回答。
Phosphor平台将LLM评分的形成性测验嵌入教学文本，在达特茅斯学院三节统计导论课程中与151名学生部署。完成全部Phosphor内容与期末考试成绩提升0.71标准差（调整先前考试成绩后）至1.30标准差（未调整）相关。90.2%注册学生采用了这一完全可选、不计分的替代传统阅读方式，远超典型阅读完成率。嵌入式问答题（CRQ）由AI自动评分，与多项选择题混合呈现（40% CRQ，60% MCQ），支持无限次重试。平台还提供RAG聊天助手和累积模块复习测验。结果表明高参与度和可测量效能可以同时实现。
LlamaIndex 发布 legal-kb，一个基于 Index v2（LlamaParse Platform）的法律文档知识库参考应用。采用 Retrieval Harness 模式，赋予 Agent 四个文件系统风格工具：retrieve（混合语义检索，支持 rerank 和引用）、findFiles（精确/模糊文件名搜索）、readFile（带偏移量的原始内容读取）和 grepFile（正则匹配并返回字符位置）。Agent 需先调用 findFiles 确定文件清单，再依次使用其他工具定位内容。底层基于 Vercel AI SDK 6 的 ToolLoopAgent，可选用 OpenAI 或 Anthropic 模型，支持用户自带 API key。项目以 TanStack Start web app 形式运行，上传文件自动解析索引，同一文件名重复上传可产生版本，检索时通过版本元数据字段过滤。
推荐理由：LlamaIndex 把 RAG 从一次搜索变成了‘先找文件、再搜、再读、再 grep’的多步循环，对做合同审查、尽调的团队来说是个可抄的模板。
开源文档提取分为schema驱动的字段提取和文档结构解析两类。Datalab lift（9B视觉模型，基于Qwen 3.5）在225文档基准上达90.2%字段准确率、9.5秒中位延迟，代码Apache-2.0，权重使用修改版OpenRAIL-M。NuMind推出NuExtract 3（4B视觉语言模型），支持结构化提取和内容提取，通过vLLM提供OpenAI兼容API。IBM Docling（MIT许可）可解析PDF/DOCX/PPTX/HTML等，集成LangChain、LlamaIndex。Granite-Docling-258M在A100上约0.35秒/页（Apache-2.0）。OpenDataLab MinerU改用MinerU开源许可（基于Apache 2.0），支持复杂布局解析。Datalab Marker管道支持PDF/图片/PPTX/DOCX等转Markdown/JSON。
Bibby AI 是一个基于云端 LaTeX 编辑器的编辑器原生平台，将文献发现、引用管理、写作、格式排版与投稿整合为单一 Research-Write-Publish 流水线。平台拥有完整文档状态、编译管道和修订历史，智能体可直接对文档抽象语法表示执行检索增强的引文插入、结构编辑和模板合规重新格式化。集成 PDF、DOCX 及手写数学公式转 LaTeX 的摄取管道；检索层从 USPTO PatentsView 和 Marx-Fuegi 引文语料库获取专利-论文引用信号，揭示候选参考文献的转化影响。任务范围智能体支持文献筛选、起草、修订和会议格式排版。Bibby AI 已投入生产，服务超过 50 所订阅高校的 5,000 余名活跃研究者。
本教程使用 RAG-Anything 搭建多模态检索工作流，可检索文本、表格、公式和图像。首先在 Colab 中安装依赖并修复 Pillow 版本，通过 OpenAI API key 配置对话、视觉和嵌入函数。接着生成包含图表和 PDF 的合成多模态报告，将其转为 content_list 格式并插入检索系统。最后配置并测试 naive、local、global 和 hybrid 四种检索模式。环境变量包括 CHUNK_SIZE=900、CHUNK_OVERLAP_SIZE=120，便于在笔记本中复现。