三智能体分工微调RAG流水线，8B模型五基准平均EM超次优6.45%

给每份资源配常驻LLM使其会用自己，再按任务组装、按证据修订，打通真实任务最后一公里

11个小型决策模型一次前向即可完成RAG冲突分型，成本为LLM的1/4~1/39，端到端效果不掉。

混合检索+Gemini 生成构建越南股市 RAG，ROUGE-L 达 0.9436

逐个生成自包含子问题，把跟踪与判决交给规则QA表和微调小模型，并跨问题缓存复用答案

原始历史+密集检索+重排的朴素RAG在7项设置中6项击败复杂智能体记忆系统

RAG组件孤立增益难叠加：检索次可加、忠实度近可加，最优组合随语料规模翻转。

把 RAG 评测从打分升级为带不确定性量化与裁判验证的可审计发布决策框架

ReAct智能体迭代调用稠密检索器探索语料，nDCG@10平均提升8.7分，代价是每查询107秒

离线构建实体-文档导航层，让智能体沿实体页面收集跨文档证据，质量与token效率双提升。

将文档渲染为图像并压缩成视觉令牌做重排序：令牌减少16.5%–35.5%，精度反超同级文本模型

双轨记忆+强化学习Writer，破解群聊记忆的消息归属与状态重建难题

任意文档先归一化为 PDF，经一次多模态转换后按 ID 规划分块，成本大降且检索持平

索引通过诊断-修订-验证闭环自主进化，无需人工干预即适配任意语料与检索器

左脑存事实右脑存情感，134毫秒流式检索让语音助手又快又懂你

仅凭查询文本为每个查询选择检索管线，比最强静态管线准确率高2.5%、速度快12.4倍

因果探针证明宽上下文是陷阱，多轮窄窗口生成带来最高约20个百分点的召回跃升

用33维黑盒特征流加BiGRU序列标注检测token级幻觉，AUC较逐token独立分类提升11点

用私有审计真值图构建企业QA基准，专考语料中从未明说的组织关系推理

用查询依赖的权威建模与逐字引用约束，让 RAG 平衡总结意大利十个议会党团立场