先说结论：arXiv 2608.16776 这篇 GRIP，值得看。但值得看的是它量出来的那个病，不是它挂在嘴边的那个疗效。
三天前挂的，15 页，3 张图，cs.AI。单作者，Lirui Teng。我一般对单作者论文先压预期。这次压错了，后面收回。
先讲值钱的部分
这论文最有分量的东西，是把 RAG 圈子里大家模模糊糊感觉到、但没人拿尺子量过的现象，量出来了：query dominance。
高容量编码器把查询塞进潜在状态之后，查询信号强到把检索回来的证据整个淹没。证据名义上被检索了、拼接了、喂进去了。功能上是死的。检索增强，增了个寂寞。
不是猜测。作者给了个可复现的诊断量：查询与潜在状态之间的互信息。
MI(query; latent) baseline: 14.8 bits
MI(query; latent) GRIP: 0.47 bits
差大约 30 倍。
我为什么信这个数？因为它不是「性能提升 X%」那套口径。它量的是病本身，不是药的疗效。这种数字很难靠挑测试集刷出来。
当然，我还没拿自己的 RAG 管线复现这个诊断流程。这条先别信我，等我自己跑完再说。
再讲药，和那个 73%
GRIP 的解法说白了是故意的容量不对称。解码器那边查询随便看，证据那边强制过一道很紧的随机瓶颈。瓶颈逼着证据通道只能编码查询里没有的残余信息——查询想 dominate 都没通道。
思路我认为是对的，甚至朴素得让人不舒服。你们堆高容量编码器堆出来的病，靠一个瓶颈治。残差对齐分析也给了：瓶颈输出占的子空间和查询方向的对齐度，明显低于基线。机制上自洽。
然后是那个数字：「幻觉减少 73%」。
这个数我不给好脸色。不是怀疑它假——五个推理基准上确实赢了强迭代基线。是这种单一百分比的呈现方式，跟厂商发布会同一套语法！73% 是哪个基准上的？哪类幻觉？长尾查询上还剩多少？摘要不说。摘要只负责把最大的数字放最前面。
论文不是通稿，我承认。但读者读摘要的方式跟读通稿一样。先看到 73%，先记住 73%。这就是我开头那句话的来历。
单作者，收回半句
开头说压预期，这次是往好的方向打脸。一个人把失败模式诊断、机制假设、干预手段、五个基准对照全链路做完，还给了互信息和残差对齐两层验证。这不是拼凑出来的活。半句收回。
但也别捧杀。「五个推理基准」听着覆盖面广。推理基准和真实生产里那种脏乱文档集合，是两回事。GRIP 的瓶颈在我的场景里，会不会把该保留的证据细节一起压掉？论文里的基准答不了这个。这属于「论文没义务回答、但你在决定跟不跟之前必须自己回答」的问题。
锐评评分卡
值不值得读？值得。先读诊断那部分，互信息那两个数是全文锚点。
值不值得现在跟进去实现？看场景。如果你的 RAG 经常出现「证据明明在、回答完全无视证据」的症状，先把 query dominance 的诊断流程搬过来照一照，照出病来再考虑 GRIP 的瓶颈。没这个症状的，别为一个 73% 顺手加架构。
照旧。摘要里的数字当待验证的主张清单，别当结论。论文挂出来才三天，谁的复现都还没跟上。
包括我的。