RAG50 篇实战文章

两周前挂上 arXiv 的一篇论文，标题长得没人愿意点开，讲的是开源模型在 ESG 报告里做检索问答。 本来我也差点滑过去。ESG 这三个字母离普通人远，论文里那些模型名，一半我都没听过。 但它里面有组数字，值得单独拎出来讲。 先说它测了什么。

RAG 会不会把你的资料漏出去？ 简单说：会。而且不用黑进你的系统，会提问就行。 问题不在模型记不记得住，在检索这条通路本身。RAG 让回答有据可依、幻觉少了很多，这是它被广泛采用的原因。同一套机制反过来用，就是一个出口。 攻击者要的不是权限，是提问的入口。 拿到入口之后，他能从底层语料里一点点把个人可识别信息抽出来。

十天前 ORDER 挂在 arXiv 上，2609.17012。我第一眼是真没想点进去。路由、检索增强，这俩词挨一块儿，我脑子里自动蹦十几篇同质化的东西。后来是扫到摘要里“同时调整索引和检索”这句，手又绕回去了。嘿，本来没打算开这头。 这堵墙我撞过。之前给一个历史文献检索的活儿做过东西，具体是啥不细说，免得你猜出来。

先说结论：这篇论文真正值钱的不是它推的 GCMem，是它顺手证明的那个 Majority Vote Trap——语义等价的冲突记忆里，把 context window 开大，生成准确率往下掉。 不是持平。是掉。 「窗口越大、塞得越多、效果越好」——这句线性叙事，在这条定理面前原形毕露。

速评：9 月 13 号挂上 arXiv 那篇法律奖励模型论文，最值钱的不是摘要里那个 25.6。 是它顺嘴交代的一句话——现有奖励模型是照着通用偏好优化的，不是照着"该不该开口"优化的。读着像句自谦，实际把整条评估链的底给掀了。 奖励模型的训练目标是啥？人类标注员在两坨回答里挑一个更好的。

AI 查了资料再回答，就一定更准吗。 不一定。 九月十四号 arXiv 上挂了一篇医学方向的论文，arXiv:2609.16301，三十一页。它处理的就是大家都跳过去的那一环：检索回来的证据互相打架的时候，信哪一个。 简单说，这篇讲的是裁决，不是检索。 这期本来想多收几条。

前两天翻 cs.AI 的新提交，点开了 9 月 13 日挂上去的 arXiv:2609.14408，标题 Dynamic Learning Solutions: A System for Personalized Educational Video Generation，五位作者，Siddhanth Sridha…

速评：这篇论文最该转的不是结论，是它自己招了在哪塌。 9月15号挂 arXiv 的 cs.AI 分类，9月16号出第二版，隔一天。14页正文配1张图。这个配置本身就有信息量——那些判断不是图跑出来的，是人一条条读答案读出来的。一天之内改了啥我没比对，不猜，可能是作者信息也可能是补表，不知道的事不编。

9 月 13 号挂上 arXiv 的 TriCalRAG，编号 2609.14762。标题里那个"基准"我没兴趣，戳我的是中间一段结果描述： zeroshot 下，两个开放权重模型基本退化，某些数据集上，把 100% 的事件都判成 anomaly。 一条不漏地报警，等于一条都没报。

先说结论：arXiv 2609.17709 这篇里最值钱的，不是 DRAG 这个框架名，是它在分析部分撂下的一句话——「并非所有查询都适配更高的复杂度配置」。 看着像废话。同行都懂。但它是冲着谁去的，得说清楚。 现在大部分 RAG 管道的默认形态是：一套检索器配一个生成模型，所有 query 走同一条路。

先说结论：arXiv 2609.17983 这篇，正文里那个发现值钱，摘要结尾那句「可以无条件采用」不值钱。同一篇论文，前者有数据兜着，后者被它自己的实验打脸。 9 月 16 号挂上去的，Mingyang Mao、Wyatt Mackey、Xiaomin Lin 三个人的活，cs.AI 分类。

agent 答错的时候，第一反应总是模型不行。 这周收的几条材料给的是另一个答案：它该知道的东西散在别处，模型压根不知道那些东西存在。 散在哪？文档里、工具返回里、聊天记录里、issue 评论里、AGENTS.md 里、本地文件里、几个 API 的响应里。都在，就是不在它眼前。 dev.to 八月下旬那篇拆得最清楚。

翻一篇 dev.to 上的 RAG 复盘，正文那五条经验扫过去，真正让我停下来的东西在评论区里。整条线最后长到比正文还长，绕着一个数转：0.92。 背景是个很典型的受困环境：内网，没有 GPU，Mistral 7B 跑在 4 vCPU / 16 GB 上，一个完整回答 60 到 120 秒。

这篇论文我读了两遍。最让我不舒服的倒不是实验结果本身，而是这个结果照出来的一层幻觉——我们这行最近又有人开始把“知识塞进权重”当成 RAG 的替代品在吹了。省 token、不泄露源数据、查询快，听着全对。但这篇论文自己把话说到了一个很尴尬的位置：知识确实写进去了，可怎么读出来，没人知道。 先说这论文干了什么。

先说结论：这次没有通稿可拆，没有跑分可打，也没有价格表可以算账。八月底 dev.to 上冒出来一个自托管文档库叫 Kintara，我照了一圈，没找到想踩的点。 在我这儿，这属于罕见事件。 我本来是准备踩的。 dev.to 上这类项目跟野草一样，每个月长一批。

为什么一篇讲专利检索的论文，值得放进本期小抄。 因为它把 RAG 里一直由人来干的那一步，交给了模型自己。 这篇 8 月 11 日挂上 arXiv，编号 2608.11030，主分类 cs.IR，交叉列了 cs.CL。九个作者，第一作者 Jian Zhang。同时也被 IEEE CSCWD 2026 接收了。

多智能体防幻觉这事儿被讲得越来越玄。玄到好像 agent 一多、让它们互相吵两句，幻觉就自己没了。 上个月翻到一篇金融问答的论文，CLAIRFin，arXiv 2608.13706，我点开的时候已经更到第三版了。九个智能体。第一反应：哦，又是个堆 agent 的。 从头看到尾，那九个根本不是重点。

前几期塞得满，这周只收一条。 不是没动静。是动静都太吵，挑不出一句能对普通人讲清楚的白话。吵的那些下周再说。 留下来的这条，8 月 25 号挂在 arXiv 上，cs.CL，交叉到 cs.IR，作者两个人。标题里有个 Less can be More。这种标题一般两种下场，要么标题党，要么真把常识说反了。 这条是后者。

RAG 这个名字起得就坏。它把"检索"两个字摆在前头，于是所有人都在卷检索，后半截那根管子没人回头看。 前阵子点开一篇讲多智能体出题的——八月十三号挂上 arXiv，cs.CL，编号 2608.13708，叫 TeachMateGPT。我本来是冲着"多智能体"去的。

最近又有人问，RAG 到底解决了什么。 简单说，它让模型先查资料再开口，不是全靠脑子里记着的那点东西。 问题是，查到的资料本身可以是错的。 八月底有篇论文就是冲着这件事来的。ReliableRAG，arXiv 编号 2608.25487，主分类 cs.CL，九个作者，第一作者 Jinpu Jiang。