RAG82 篇实战文章

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。

八月底 Marcos Somma 在 dev.to 发的那篇讲 AI 记忆的，我上周翻到，读完正文又翻完 45 条评论，今天才写。值得推的原因不是骨架新。MemGPT 的分层记忆、Letta 的有状态 agent、官方 MCP 示例里的知识图谱记忆服务器，作者自己在文里都列了，没装新架构。

前几天在 dev.to 上翻到 James Anderson 的一篇文章，列了 AI 应用过度工程的 7 个迹象，每条配了替代做法，最后还给了一份预防手册。评论区三十来条，基本都在讲自己踩过的坑。 七条我不打算挨个复述，那种清单你直接去看原文更快。

先说清楚，这篇我偏着写。 Beyond Vector Search: Comparing Classical RAG with Hybrid GraphRAG for Climate Science Q&A，arXiv:2608.28766，8 月 28 号挂上去的，九页，三位作者。

速评：这篇论文里最贵的一行字，是名字。 8 月 26 号挂上 arXiv，标识 2608.25486，cs.AI 主分类，交叉挂了 cs.CL，EMNLP 2026 主会收的。公开信息里能当物证用的就这么多——剩下全是叙事。 "PonsInspired"。脑桥。

社区里流传着一句话："检索给得足够好，RAG 的答案就应该是对的。"这说法很难验证，因为几乎没人真把"足够好"推到极端来试。多数 RAG 评测跑的是端到端管线，检索结果里总混着不相关片段、截断的表格、过时的财报摘要，最后结论全赖在检索头上。

你有没有遇到过那种时刻：你问一个 RAG 系统“这本书讲什么”，它沉默了一会儿，然后非常确信地告诉你——0。 不是“我不知道”，不是“我没找到相关内容”，就是一个干干净净的数字。0。像你问同事“中午吃啥”，他回你一个“1”。信息量约等于零，但自信程度拉满。

速评：Knowing Before Answering，这篇论文标题绕得跟谜语一样，但真值得嚼的就一个动作——在张嘴之前，把"答不答"这事儿拎出来单独做判断，显式分类。 RAG 这个圈的经典剧本，我看了差不多二十轮了：检索不行，那就换更大的模型来兜底。

准确和忠实，是一回事吗？ 不是。这期小抄只有一张卡，是上周挂上 arXiv 的一篇论文。它把这两件事拆开量了量，量出一个不太好听的结论。 论文盯的是 RAG 系统里一个省钱的做法。把检索文档的 KV cache 提前算好、存起来，查询来了不用每次重新编码。再进一步，把这些缓存做量化，存储还能再省一截。

速评：这篇论文上周上 arXiv，我读了两遍，越读越觉得它根本不是来教你怎么修 hallucination 的——它是来告诉你，修这个动作本身就在折价，你只是有权挑一种折法。 论文做的东西不复杂：RAG 场景里，模型拿检索来的文档回答问题，还是会产生没依据的陈述。

为什么 AI 会一本正经地给你一个不存在的网址？ 简单说，不是模型坏了，是它太会把话说圆。上下文不够的时候，LLM 不会卡壳。它会拿旁边的真材料，顺手拼一个像样的答案给你。 这期只收一条。八月底 dev.to 上有篇修复记录，我觉得值得单独占一期。

速评：这篇论文 8 月 30 号挂上 arXiv，到今天六天，我没见一个人把它真正值得聊的那句话挑出来。不是“9B 打平更大模型”，是题目里那个动词：Learning to Navigate。 它把 RAG 的语料观，从“平的”改成了“带结构、可以走的”。 框架本身不玄。

你有没有过这种体验：RAG 系统搭好了，demo 里样样都好，一上真实流量就翻车。第一反应永远是换更强的模型、换更贵的 embedding，折腾一整圈，该翻车还是翻车。dev.to 上那篇被转了一整轮的文章里有个数字：RAG 失败的时候，73% 的情况栽在检索阶段，不是生成阶段。

Rafael Pierre 六月在 Lighthouse newsletter 上发了篇东西，标题大意是：很多团队把 RAG 系统 overcomplicate 了——先上 embedding、上向量库、上 reranking，再做一堆增量优化，结果用户只是想要精确地找到一篇文档。

“上了 RAG，幻觉就压下去了。”这句话在圈子里被重复到快成物理定律了。我以前画 RAG 的时候也顺嘴这么讲过。两周前有人真去数了，八月十四号挂上 arXiv 的一篇（2608.14210），测了八个法律场景的 RAG 系统，语料一边是英文版 GDPR，一边是一部法语的国家民事法律。 结论先甩这儿：幻觉照样遍地都是。

两周前 arXiv 上挂了一篇隐私保护 RAG 的论文。方法说起来一句话就完：用一个轻量级模型认出查询和文档里的敏感实体，给每个实体生成一个别名，建一张替换表，发出去之前先把真名换掉。 就这样。没有密码学，没有可信执行环境，就是换词。 这个办法土到我的第一反应是不屑。