增强多模态表示对齐、推进企业 RAG 检索、关注 Agent 工程可靠性
今天主要跟进：多模态表示对齐、企业 RAG、Agentic coding 工程决策与系统效率。
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🔗
- 2MM-BizRAG：Rethinking Multimodal Retrieval-Augmented Generation 面向 General Purpose Enterprise Q&A🔗
- 3Impact of Configuring Agentic AI Coding Tools on Build-vs-Buy Decisions：A Study Protocol🔗
- 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
本期为轻量回滚版，采用真实 arXiv 候选池中的论文链接与摘要线索，保持最新版简报的轻量结构，不展示完整候选评分表。
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：用于比较和校准视觉语言模型表示空间，适合作为多模态检索、表征诊断和模型对齐方向的跟进线索。关键词：multimodal、alignment、representation、evaluation。
企业多模态 RAG
核心：面向通用企业问答的多模态 RAG，适合跟进企业知识库、检索证据和跨模态问答的落地难点。关键词：RAG、enterprise QA、multimodal、retrieval。
Agentic coding 工具决策
核心：研究 Agentic 编程工具配置对工程构建与采购决策的影响，适合关注 AI coding 工具在企业流程中的真实决策边界。关键词：agents、coding、software engineering、workflow。
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，说明 RAG 思路正从文本问答扩展到结构化预测。关键词：RAG、time series、forecasting、non-stationarity。
推理管线压缩
核心：关注 LLM 管线中的近无损 token 压缩，可作为推理成本控制和长上下文系统优化线索。关键词：compression、LLM pipelines、inference、systems。
其他值得关注
VLESA：视觉语言具身安全 Agent。
MimeLens：二进制片段内容类型识别。
Expert-Aware Refusal Steering：拒答控制与模型行为调节。
HighTide：Agent 策划的开源 VLSI 基准。
MAOAM：视觉语言模型中的对象与材料选择。
阅读边界
- 本期为历史内容轻量回滚，不展示完整候选评分表。
- 简报基于标题、摘要和公开元数据，不替代全文精读。
- 代码、数据和评测可复现性需进入原文进一步确认。