#RAG.

AI 导读研究提出Raw-RAG方法，使用密集检索和重排序对原始历史记录进行检索，为阅读LLM提供证据。在LoCoMo、LongMemEval等七个基准测试中，Raw-RAG在六种设置下排名第一，超越最强智能体记忆系统0.13-5.53分。证据分析表明，原始历史检索能覆盖更多必要证据，即使转换后的记忆存储也无法完全替代原始信息的重要性。

AI 选稿理由研究证明朴素RAG方法在长期对话理解任务中表现优于复杂智能体记忆系统，挑战了记忆复杂性的必要性。

AI 导读研究团队提出LASAGNA框架，评估RAG技术组合效果。测试450种配置发现：单独有效的检索技术组合后仅实现预期17%提升而非47%；检索质量与答案忠实度优化目标冲突；最佳组合随语料库规模变化。研究强调RAG技术应完整测试而非孤立评估。

AI 选稿理由提供RAG技术组合效果的实证研究，证明孤立优化不可靠，适用于RAG系统设计与评估。

AI 导读研究者提出MMEnterprise-Bench基准，包含1,613个基于模拟协作项目动态多模态记录的问题，分为证据推理、冲突消解、不可回答三类。评测10个开源与专有多模态大模型发现，最强模型在跨源或时间冲突、证据跨多图时仍表现不佳；提高检索预算或换更大检索器只提升证据召回，未稳定提升答案准确率。

AI 选稿理由为企业多模态Agent提供可复用的评测基准与实证发现：检索召回提升未稳定转化为答案准确率，适用于评估动态记录问答系统。

AI 导读针对共享团队奖励难以追溯责任的问题，论文提出GRSE（Group-Relative Skill Evolution）：同一问题在相同技能库下多次执行，对比结果来为智能体—技能对分配行为信用，并结构化诊断失败。在HotpotQA和LoCoMo上（两个开源权重模型），GRSE优于MASkills，多跳问题F1分别提升6.7和3.2；增益来自更有依据的检索，学到的技能可跨多跳任务迁移。面对被植入有害技能的库，GRSE正确判定每个植入技能的符号并恢复到干净库+6.3分，MASkills误判两个且低于起点。

AI 选稿理由提出按组内执行对比分配技能信用而非按是否出现计功，在两数据集多跳任务上提升F1并用植入有害技能实验验证纠错方向。

AI 导读研究团队提出Deep Fusion Memory (DFM)，一种参数化记忆架构，通过因果记忆预测器从上下文生成记忆，并融合到隐藏状态中。相比现有方法，DFM构建训练数据的检索查询减少32倍，检索项目减少2048倍。在六个QA任务中，DFM在Mistral-7B-v0.3上超越最强基线12.71%，在Qwen3-8B-Base上超越11.19%；领域适配任务中平均提升6.51和4.38分。

AI 选稿理由DFM显著降低了参数化记忆的训练数据构建成本，并在QA和领域适配任务中实现了性能提升。

AI 导读研究提出Modality-Agnostic Refusal Steering (MARS)方法，通过从LLM骨干网络提取文本拒绝方向实现多模态安全，无需收集多模态安全数据。MARS通过激活中心化、自适应调整引导强度和选择最佳干预层，在五种SOTA多模态大模型上提升了安全性，同时保持实用性。

AI 选稿理由解决了多模态大模型安全数据收集困难的问题，提供了一种无需多模态安全数据的轻量级安全增强方法。

AI 导读研究提出Librarian Agents框架，通过强化学习训练构建代理将原始文档转化为分层文件系统，形成面向下游回答代理的工作空间。在BrowseComp-Plus基准上超越最强检索和预计算基线33个百分点，在BRIGHT数据集上零样本泛化能力提升31个百分点，显著提升长文档推理效率。

AI 选稿理由解决了长文档推理中检索方法被动响应和预计算结构僵化的瓶颈，使LLM能主动组织文档以服务多样化未来查询。