增强多模态表示对齐、提升 Agent 工程可靠性、补强 RAG 检索线索
今天主要跟进：多模态表示对齐、Agent 工程决策、工业检索与时间序列 RAG。
本期从 2026-06-02 论文源抓取并去重 264 篇候选论文，筛选 5 篇重点论文与 10 篇补充关注。
本期重点
- 1KODA：Contrastive Representation Comparison 与 Alignment 面向 Vision-Language Foundation Models🔗
- 2Impact of Configuring Agentic AI Coding Tools on Build-vs-Buy Decisions：A Study Protocol🔗
- 3Automating In面向mation 抽取 与 Retrieval 面向 Industrial Spare Parts Pooling🔗
- 4Stationarity-Aware Retrieval-Augmented Time Series 面向ecasting🔗
- 5Entropy Gate：Entropy Quenching 面向 Near-Lossless Token Compression in LLM Pipelines🔗
今天最值得跟进的方向
本期为轻量补档版，基于 2026-06-02 的真实 arXiv 候选池整理，保留论文链接、核心方向和阅读边界，不展开完整评分表。
重点论文：核心问题、方法线索与关键词
多模态表示对齐
核心：关注视觉语言基础模型表示空间的比较与对齐，可作为多模态检索、图文匹配和表示诊断的后续线索。关键词：multimodal、alignment、representation、evaluation。
Agentic coding 工具决策
核心：研究 Agentic 编程工具配置如何影响构建与采购决策，适合跟踪 AI 编程工具在真实工程流程中的治理问题。关键词：agents、coding、software engineering、workflow。
工业备件信息抽取与检索
核心：围绕工业备件池化的信息抽取、检索和跨站点可见性，适合作为企业知识库与 RAG 落地案例。关键词：retrieval、information extraction、enterprise、RAG。
时间序列 RAG
核心：将平稳性意识引入检索增强时间序列预测，适合跟踪 RAG 从文本问答扩展到结构化预测任务的路径。关键词：RAG、time series、forecasting、non-stationarity。
LLM 管线压缩
核心：关注 LLM 管线中的近无损 token 压缩，可作为长上下文成本优化和推理效率跟进项。关键词：compression、LLM pipelines、inference、systems。
其他值得关注
VLESA：视觉语言具身安全 Agent。
MM-BizRAG：多模态企业问答 RAG。
MimeLens：二进制片段内容类型识别。
Expert-Aware Refusal Steering：拒答与安全控制。
HighTide：Agent 策划的开源 VLSI 基准。
阅读边界
- 本期为轻量补档，不替代全文精读。
- 排序会受标题、摘要、主题词和公开元数据影响。
- 后续新一期生成时会继续按统一流水线重建 RSS、sitemap 与搜索索引。