arXiv cs.CL· Saroj Mishra, Suman Niroula, Umesh Yadav, Dilip Thakur, Srijan Gyawali, Shiva Gaire·· 10 小时前AI 评分12
arXiv 撤稿：Agentic RAG 系统化综述（SoK）被撤回
SoK: Agentic Retrieval-Augmented Generation (RAG): Taxonomy, Architectures, Evaluation, and Research Directions
AI 导读
arXiv Admin 以不符合研究内容质量标准为由撤回了编号 arXiv:2603.07379 的 Agentic RAG 系统化知识（SoK）论文，该文原计划提出首个统一框架，将智能体检索-生成循环形式化为有限时域部分可观测马尔可夫决策过程。
正文 · AI 翻译
本文已被 arXiv 管理员撤回
摘要：检索增强生成（RAG）系统正日益演化为智能体架构，其中大语言模型自主协调多步推理、动态内存管理和迭代检索策略。尽管工业界采用迅速，当前研究仍缺乏将 Agentic RAG 作为序列决策系统的系统性理解，导致架构高度碎片化、评估方法不一致以及未解决的可靠性风险。本系统化知识（SoK）论文提供了首个用于理解这些自主系统的统一框架。我们将智能体检索-生成循环形式化为有限时域部分可观测马尔可夫决策过程，显式建模其控制策略和状态转移。在此形式化基础上，我们开发了全面的分类法和模块化架构分解，按规划机制、检索编排、内存范式和工具调用行为对系统进行分类。我们进一步分析了传统静态评估实践的关键局限，并识别出自主循环固有的严重系统性风险，包括复合幻觉传播、内存投毒、检索错位和级联工具执行漏洞。最后，我们概述了博士级别的重要研究方向，涵盖稳定自适应检索、成本感知编排、形式化轨迹评估和监督机制，为构建可靠、可控且可扩展的智能体检索系统提供了明确的路线图。
| 评论： | arXiv 管理员注：本投稿已被撤回，因其不符合 arXiv 的研究内容质量标准 |
| 主题： | 人工智能（cs.AI）；计算与语言（cs.CL）；密码学与安全（cs.CR）；信息检索（cs.IR） |
| 引用为： | arXiv:2603.07379 [cs.AI] |
| （或 arXiv:2603.07379v2 [cs.AI] 为此版本） | |
| https://doi.org/10.48550/arXiv.2603.07379 arXiv 颁发的 DOI 通过 DataCite |
提交历史
来自：arXiv 管理员 [查看电子邮件]
[v1]
2026年3月7日星期六 23:38:57 UTC（3,024 KB）
[v2]
2026年10月29日星期四 21:05:01 UTC（1 KB）（已撤回）
来源：arXiv cs.CL · arxiv.org