提升 RAG 检索和知识库问答可靠性、让 Agent 更可靠地调用工具和复用技能、提升模型推理、规划和验证能力
今天主要跟进：提升 RAG 检索和知识库问答可靠性、让 Agent 更可靠地调用工具和复用技能、提升 RAG 检索和知识库问答可靠性。
本期从 2026-06-15 论文源抓取并去重 465 篇候选论文，筛选 6 篇重点论文与 20 篇补充关注。
本期重点
今天最值得跟进的方向
今天的高分论文主要指向：提升 RAG 检索和知识库问答可靠性、让 Agent 更可靠地调用工具和复用技能、提升 RAG 检索和知识库问答可靠性。下面按核心问题、方法线索、主要论点和关键词整理，便于快速判断后续跟进价值。
重点论文：核心问题、方法线索与关键词
提升 RAG 检索和知识库问答可靠性
核心：这篇论文主要解决提升 RAG 检索和知识库问答可靠性这一方向中的具体研究问题；方法上通过题名、摘要和公开信号中的 rag、inference、deployment、benchmark 等线索来组织训练与后训练任务、数据或评测流程实现提升 RAG 检索和知识库问答可靠性；主要论点是标题、摘要和公开信号显示：Segment Anything Model 3 (SAM 3) provides a strong frozen backbone for concept-prompted segmentation, but applying it directly to open-vocabulary semantic segmentation (OVSS) is inefficient: full-resolution decoding is typically run over the entire dataset voc。关键词：rag、inference、deployment、benchmark。代码/数据可用性需查看原文确认。
让 Agent 更可靠地调用工具和复用技能
核心：这篇论文主要解决让 Agent 更可靠地调用工具和复用技能这一方向中的具体研究问题；方法上通过题名、摘要和公开信号中的 agent、deployment、safety、evaluation 等线索来组织基准与评测任务、数据或评测流程实现让 Agent 更可靠地调用工具和复用技能；主要论点是标题、摘要和公开信号显示：World models are widely used in robotic and agentic engineering control systems due to their ability to learn latent dynamics for planning and decision-making。关键词：agent、deployment、safety、evaluation。代码/数据可用性需查看原文确认。
提升 RAG 检索和知识库问答可靠性
核心：这篇论文主要解决提升 RAG 检索和知识库问答可靠性这一方向中的具体研究问题；方法上通过题名、摘要和公开信号中的 rag、inference、deployment、alignment 等线索来组织安全与对齐任务、数据或评测流程实现提升 RAG 检索和知识库问答可靠性；主要论点是标题、摘要和公开信号显示：Deep neural networks have achieved remarkable performance across medical imaging tasks, yet their tendency to overgeneralize under distributional shifts poses a major obstacle to safe clinical deployment。关键词：rag、inference、deployment、alignment。代码/数据可用性需查看原文确认。
提升模型推理、规划和验证能力
核心：这篇论文主要解决提升模型推理、规划和验证能力这一方向中的具体研究问题；方法上通过题名、摘要和公开信号中的 rag、alignment、benchmark、code 等线索来组织代码智能任务、数据或评测流程实现提升模型推理、规划和验证能力；主要论点是标题、摘要和公开信号显示：Frozen small code models (<=1.5B parameters, run locally without fine-tuning) suit offline and privacy-constrained use, but often emit plausible-but-wrong programs。关键词：rag、alignment、benchmark、code。代码/数据可用性需查看原文确认。
让 Agent 更可靠地调用工具和复用技能
核心：这篇论文主要解决让 Agent 更可靠地调用工具和复用技能这一方向中的具体研究问题；方法上通过题名、摘要和公开信号中的 agent、deployment、benchmark、code 等线索来组织数据工程任务、数据或评测流程实现让 Agent 更可靠地调用工具和复用技能；主要论点是标题、摘要和公开信号显示：Detecting unanswerable user queries remains essential for the reliable deployment of real-world embodied agents。关键词：agent、deployment、benchmark、code。代码/数据可用性需查看原文确认。
提升 RAG 检索和知识库问答可靠性
核心：这篇论文主要解决提升 RAG 检索和知识库问答可靠性这一方向中的具体研究问题；方法上通过题名、摘要和公开信号中的 rag、alignment、evaluation、benchmark 等线索来组织多模态模型任务、数据或评测流程实现提升 RAG 检索和知识库问答可靠性；主要论点是标题、摘要和公开信号显示：Existing vision-language model (VLM)-based AI-generated image quality assessment (AIGIQA) methods suffer from a fundamental semantic-distortion dimensional conflict: monolithic representations optimized for semantic discrimination inherently entangle compositi。关键词：rag、alignment、evaluation、benchmark。代码/数据可用性需查看原文确认。
其他值得关注
TuneJury: An Open Metric for Improving Music Generation Preference Alignment：涉及模型安全、护栏路由、风险分类或治理评测，可作为安全评测与治理工具链的补充线索。
A Multi-Center Benchmark for Abdominal Disease Diagnosis and Report Generation from Non-Contrast CT：涉及检索、知识库问答与证据可靠性，可作为 RAG 评测和企业知识系统的补充线索。
An Open-Source Monitoring Framework for Data Exploration and Progress Tracking in Multi-Center Radiology Studies：涉及任务设置、指标和失效案例，可补充模型评测与回归测试。
ROSA-RL: Uncertainty-Aware Roundabout Optimized Speed Advisory with Reinforcement Learning：涉及工具调用、执行反馈和可复用能力，可作为 Agent 工作流可靠性的补充线索。
Active Reference Acquisition in Few-Shot Font Generation：涉及检索、知识库问答与证据可靠性，可作为 RAG 评测和企业知识系统的补充线索。
AuAu: A Benchmark for Auditing Authoritarian Alignment in Large Language Models：涉及模型安全、护栏路由、风险分类或治理评测，可作为安全评测与治理工具链的补充线索。
Benchmarking LLM Agents on Meta-Analysis Articles from Nature Portfolio：涉及检索、知识库问答与证据可靠性，可作为 RAG 评测和企业知识系统的补充线索。
Beyond the Smile: A Hybrid Convolutional VAE for Crypto Volatility Surfaces：涉及检索、知识库问答与证据可靠性，可作为 RAG 评测和企业知识系统的补充线索。
Compositional Reasoning Depth Predicts Clinical AI Failure: Empirical Evidence Consistent with Transformer Compositionality Limits in Electronic Health Record Question Answering：涉及任务设置、指标和失效案例，可补充模型评测与回归测试。
Adaptive and Explicit safe: Triggering Latent Safety Awareness in Large Reasoning Models：涉及模型安全、护栏路由、风险分类或治理评测，可作为安全评测与治理工具链的补充线索。
GD$^2$PO: Mitigating Multi-Reward Conflicts via Group-Dynamic reward-Decoupled Policy Optimization：涉及工具调用、执行反馈和可复用能力，可作为 Agent 工作流可靠性的补充线索。
Structure-aware Knowledge-guided Heterogeneous Mamba for Zygomaticomaxillary Suture Assessment：涉及检索、知识库问答与证据可靠性，可作为 RAG 评测和企业知识系统的补充线索。
SUP-MCRL: Subject-aware Unified Pseudo-feature Coded Multimodal Contrastive Representation Learning for EEG Visual Decoding：涉及代码智能中的新任务、数据或系统线索，可作为后续跟进清单的一部分。
DifferAD-R1: A Difference-Guided IndustrialAnomaly Localization with Multimodal LargeLanguage Models：涉及任务设置、指标和失效案例，可补充模型评测与回归测试。
DoubtProbe: Black-Box Jailbreak Defense via Structural Verification and Semantic Auditing：涉及模型安全、护栏路由、风险分类或治理评测，可作为安全评测与治理工具链的补充线索。
Lost at the End: Primacy Bias in Multimodal Retrieval-Augmented Question Answering：涉及检索、知识库问答与证据可靠性，可作为 RAG 评测和企业知识系统的补充线索。
PaperJury: Due-Process Review for Bounded LaTeX Revision：涉及工具调用、执行反馈和可复用能力，可作为 Agent 工作流可靠性的补充线索。
Structure-Semantic Co-optimized Latent Diffusion Model for Fast Visual Anagram Synthesis：涉及检索、知识库问答与证据可靠性，可作为 RAG 评测和企业知识系统的补充线索。
Propagating Structural Guidance: Synthesizing Fluorescein Angiography from Fundus Images and Sparse OCT Scans：涉及工具调用、执行反馈和可复用能力，可作为 Agent 工作流可靠性的补充线索。
PolyMerge: Compressing 3D Gaussian Splats with Polytope Coverings for Provably Safe Resource-Constrained Navigation：涉及视频生成中的新任务、数据或系统线索，可作为后续跟进清单的一部分。
阅读边界
- 自动排序会偏向有社区信号、代码信号和工程关键词的论文。
- 简报默认基于标题、摘要和公开元数据，不替代全文精读。
- 外部 API 限流或不可用时，相关信号会降级为空并在内部记录中保留说明。