Circle K 基于 Amazon Bedrock 构建 AI 智能体自动化故障排查系统，将平均事件排查时间从 45–60 分钟缩短至 15 分钟以内，降幅达 67%–75%。系统在报警触发后数分钟内自主排查多账号基础设施与日志，直接向 Slack 推送结构化分析结果。方案结合 Bedrock Knowledge Bases 托管 RAG 检索内部文档，避免了自建向量数据库与模型运维开销。
AWS 展示了基于 Amazon Bedrock AgentCore 与 Nova Multimodal Embeddings 构建的多智能体工程助手，以加速航天等领域的元器件替代评估。
开源 Python 爬虫 Crawl4AI 可用于为 Amazon Bedrock Knowledge Bases 预处理网页内容，以提升 RAG 应用的数据摄取质量。该方案通过提取结构化 Markdown 和自定义元数据，去除导航等样板内容后上传至 Amazon S3。随后 Bedrock 自动完成文档解析、分块、嵌入向量生成与向量检索索引构建。
研究团队提出基于 LLMON 框架的大语言模型后训练方法，通过显式分离可执行指令与被动数据来解决提示注入漏洞。该方法构建了包含 4.6B tokens 的结构化语料，涵盖通用、RAG 与工具调用数据，在 Granite-4.1 3B 和 8B 基础模型上完成 SFT 与强化学习后训练。
RouteDRAG 框架针对多模态文档 RAG 提出自适应路由与执行控制，通过图结构索引与策略学习动态决定是否调用 AI 智能体并管控工具使用与终止。在两个基准测试中，该方法仅将 79.3% 的查询分配给智能体，准确率相比短路径执行平均提升 3.47 个百分点，并以更少调用超越了全量智能体执行。该项目代码已开源。
LM-DSB 系统结合多智能体与 RAG 技术，利用本地部署的 Llama 3-8B 模型在消费级 PC 上实现了建筑每日安全简报的自动生成。该系统分层协调规划、研究与编写智能体，基于 37 份 HSE 文档检索，文档生成完整度远超单智能体（长度比 1.01 对比 0.39，ROUGE-1 达 0.66）。
研究人员提出 OA-RAG 智能体，将形式化推理与 LLM 推理融合，利用领域本体的逻辑结构提升回答保真度并减少模型幻觉。系统为每个回答提供本体证据，并给出评估的扎实度等级（entailed、supported、related 或 unrelated）以指示可靠性。在 3 个大规模本体基准和 6 个真实医学问答任务中，OA-RAG 综合表现超越主流 RAG 与本体微调方法。
一项针对 MemoryAgentBench 的研究表明，AI 智能体仅检索到最新事实并不足够，证据中混入的过时陈述会严重破坏生成准确率。实验显示，在证据中仅将一条无关陈述替换为过时陈述，千问 Qwen2.5 准确率即从 100% 降至 44.6%，Qwen3-14B 降至 87.8%。
研究提出解决大模型检索上下文与自身知识冲突需要独立评估两方证据并引入上下文正确率先验 $\pi$，而非依赖固定规则。该机制在 GRACE 基准上使 Qwen3.5-35B-A3B 和 Llama-3.1-8B 分别获得 45.3 与 35.0 分，最高领先最佳基线 26 分。在 ClashEval 上，该方法比同骨干的 CK-PLUG 和 TCR 分别提升 12 与 26 分。
研究人员系统评估了在医学问答（MQA）中向语言模型注入 UMLS 知识图谱的方案，指出该技术目前通常仅带来微弱的性能提升。研究深入排查了此前未被讨论的方法论缺陷，指出存在 UMLS 低覆盖率与弱子图检索流程等关键瓶颈，并给出了释放其潜力的可行建议。目前相关代码与文献标注均已开源。
该著作针对大语言模型、RAG 流水线至自主多智能体系统，构建了融合技术、法律与经济维度的统一数据治理框架。全书包含 11 章与 8 个附录，覆盖全生命周期的数据质量与血缘、零信任架构、六个司法管辖区的 AI 监管，以及面向 2030 年的治理控制平面设计。各章节立足印度法律与机构，并保持跨司法管辖区的比较视野。
研究人员提出 GEMS-RAG 框架，通过分层解析、细粒度视觉实体提取与多模态知识图谱构建，解决工程标准中跨文本条款与图表的联合推理难题。该框架在推理时融合密集、稀疏与视觉检索并结合图扩展，将图表解构成与规范关联的视觉实体。在《统一交通控制设施手册》（MUTCD）评测中，其检索与问答表现均优于纯文本、多模态及图 RAG 基准。
AWS 介绍了如何通过 AWS CDK 在 Amazon Bedrock 托管知识库（Managed Knowledge Base）和 AgentCore 上构建企业级智能体检索系统。
研究提出了面向 RAG 查询澄清的数据集 ClariEdge（约 3,900 个样本），并表明轻量级微调 LoRA 能达到 96.6% 的分类准确率。该小模型在分类与澄清生成质量上均超越了多种大模型的提示词基线，且 hard negatives 是准确识别真实歧义的关键。该 LoRA 适配检索前与检索后两个阶段，可嵌入 RAG 流程作为回答生成前的校验机制。
Bayer Crop Science 基于 Amazon Bedrock AgentCore 与 LangGraph 构建了多智能体决策引擎 ADE，首阶段在无需工程师介入的情况下可解决约 80% 的用户问题。
针对知识图谱分散且受隐私限制的问题，研究人员提出统一框架 FedGRAG，实现跨多客户端的分布式图检索与大语言模型知识增强生成。该框架通过轻量级知识索引的联邦路由识别相关客户端，并采用受控披露证据构建方法将子图转为摘要在服务端重构，避免泄露敏感图结构。实验表明 FedGRAG 在检索与下游生成任务上均持续优于现有基线。
宠物护理公司 IskayPet 基于 Amazon Bedrock Managed Knowledge Bases 构建了企业知识库助手，无需自行管理向量数据库和数据摄取等 RAG 基础设施。
论文提出一种基于便携技能的轻量级 Agentic RAG 方案，通过自然语言指令、轻量工具及大模型生成的类维基导航索引，替代复杂的文档切块和重排流水线。该方案仅需 1 到 2 个工作日即可在 Claude Code 等框架中实现，在客户支持流程生成中达到 99.2% 的流程等价度与 83.3% 的证据充分性。其单次推理耗时约 90 秒，主要适用于语料成熟、容忍延迟且有人工审核的场景。
研究人员提出感知部署通道的对抗训练方法 TRACER，通过采样展示包装器、结合证据门控奖励与推理对齐机制，防御大语言模型的间接提示词注入攻击。在 GSM8K 测试中，基于 Qwen2.5-3B-Instruct 的 TRACER 将 RAG 场景下的攻击成功率（ASR）从 65.5% 降低至 6.1%，并保持 78-82% 的干净样本准确率。
AWS 推出基于 Amazon Bedrock AgentCore 构建的 AI 智能体方案，可在 90 秒内自动将企业文档转换为 PowerPoint 演示文稿。
Orca Security 联合 AWS 基于 Amazon Bedrock 构建了自然语言查询智能体 Discovery AI，可将用户的自然语言问题自动转换为 Sonar 图谱查询。
研究人员提出多模态文档问答流水线 KnowForge，通过混合检索知识点索引、专职搜索的 Locator 智能体与专职解析图表文本的 Deep Reader 智能体实现分工协作。
研究人员推出多轮对话基准 SmartSalesBench，用于评估大语言模型销售智能体应对具备抗拒心理买家画像的表现。该基准涵盖 5 种智能体档案、12 种买家画像及跨 6 个价格档位的 15 款智能手机，支持长达 20 轮对话，并基于 RAG 完成了总计 13,680 场测试会话。评测体系包含 3 层共 9 项指标，结合了 LLM-as-judge 与人工评估。
RIT-RAG 将内容检索与结构导航结合，通过检索文本块动态诱导跨文档子树，并由 LLM 智能体自主导航与筛选阅读。该方法在金融、科学与客服基准上的回答准确率均超越图结构和智能体基线。在包含 284 万技术文档网页的 EntQABench 上，其在三种 LLM 下相比最强基线提升了 6.8 至 11.4 个百分点。
EntroPrefill 提出了一种结合 Rényi 引导机制与注意力显式约束的上下文剪枝方法，用于减少深层 Transformer 处理的序列长度。该研究推导了自适应剪枝层下的有限样本观测保证与条件扰动界，并给出了剪枝的算术收支平衡条件。本文属于纯理论研究，未提供实测加速比或任务准确率基准测试数据。
Amazon Quick 与 Amazon Bedrock Knowledge Bases 引入双层访问控制机制，在查询阶段向权威数据源实时验证权限以消除企业 RAG 越权风险。系统先基于向量索引中存储的权限列表执行预检索过滤筛选候选文档，再调用数据源接口实时校验用户权限并剔除未授权内容。该设计避免了传统周期性同步带来的权限更新滞后问题，在保障检索效率的同时确保了数据安全性。
研究人员提出医疗大语言模型认证弃权框架 ProbeGuard，通过分析共识形成的动态过程而非最终投票结果，解决多轮共识中全票犯错的问题。该方法结合共识轨迹、理由语义熵与主动反证探测，将区分共识正误的指标从随机水平提升至 0.696 AUROC。在 MedQA 测试中，该规则能在 9.0% 的观察选择性风险下回答 60% 的全票一致问题。
研究提出一种检索可采纳性验证框架，通过将记忆与查询对标记为可采纳、不可采纳或未解决三种状态，解决长期记忆 AI 智能体检索到越权或策略违规记忆的问题。在公开基准 RHELM 和 MemOps 的 3,767 个查询评测中，过滤非命名空间使 Top-20 锚点召回率从 0.432 提升至 0.533，精确相似度评估减少 98.3%。
研究人员提出一种面向生成式 AI 工作负载的生产级内容抽取系统，将文档摄入构建为可配置且可度量的独立阶段。系统集成了选择性 OCR 路由、结构感知父子分块器与检索评估器；在 180 篇文档测试中，最佳抽取器取得 97.4 分（字符错误率 0.13%，表格相似度 0.995），分块器在 25,050 个生成问题中取得 68.6% 的 Hit@1 与 0.77 的 MRR。
Qlik 基于 Amazon Bedrock 构建了企业级工具 Qlik Answers，为超 40,000 家客户提供有据可查的自然语言问答能力。自 2026 年 2 月全面可用以来，其 Discovery Agent 已为客户检测出超 100,000 项异常。
Google DeepMind 正式推出开源轻量多模态嵌入模型 EmbeddingGemma 2，采用 Apache 2.0 协议且全模态总参数量为 740M。
推荐理由：模型将跨模态统一嵌入压缩至 740M 参数量级并支持动态截断维度，为端侧离线检索与轻量 RAG 提供了低内存落地方案。
AWS 介绍了基于 Amazon Bedrock AgentCore、Knowledge Bases 与语音到语音模型 Amazon Nova 2.5 Sonic 构建航空语音管家的技术方案。
AWS 官方介绍了如何在 Amazon Bedrock 托管知识库与 LangChain 中实现智能体检索（Agentic retrieval），以解决复杂多意图问题下标准向量检索召回不足的缺陷。
研究测试了邮件 AI 智能体在表达方式变化时的鲁棒性，发现间接请求降低了一个 RAG 管线和两个工具调用智能体共 3 个基准的性能。分析表明，冗长请求主要通过干扰词法检索器阻碍定位邮件，而间接与正式请求在智能体场景中主要导致模型遗漏必要操作。研究指出评测应引入多样的请求表述，并单独测量智能体是否完整执行任务。
一项跨 5 类环境的系统评估显示，基于大语言模型构建世界模型时微调通常优于 RAG，在 15/20 种设定下使智能体获得了更高奖励。研究指出 RAG 数据效率更高，但微调在扩展经验规模时收益更显著，且检索模块易给出次优状态转换。团队据此提出分层查询重构并构建兼顾参数化与记忆检索的混合系统，在多环境与模型下均取得最优表现。
研究团队提出了面向商科教育的本地化多课程 RAG 导师 CourseChat，在校园边缘节点为 6 门独立课程提供教材问答支持。系统基于 FastAPI 和 Ollama 运行本地大语言模型，在权衡速度与连续性错误后保留了 8B 生产模型，排除了多款过慢模型及 MoE 候选。系统还通过 65 个模块的 435 道预置题将练习与实时生成解耦。
研究人员针对大语言模型智能体框架中的 System-1 决策模型展开配对与自审计评测，对比了开源模型 Laya 与托管模型 Jev 在 11 项任务中的表现。评测显示 Jev 在 9 项决策点上准确率高出 10.8 至 46.0 个百分点，但两款模型在零样本路由任务上均未超过随机概率，且 Laya 在候选项调序后答案改变率达 30%。
科学推理系统 PathAnchor 通过检索源关联的“材料-传感器-信号-系统”路径结构化轨迹，解决科学 AI 智能体的证据混淆与功能顺序丢失问题。在 120 道柔性传感器问题评测中，PathAnchor 取得 82.6% 得分并领先 6 个受评系统；在 6 次工具调用预算下，该方案将来源召回率从 61.3% 提升至 82.9%，全引证答案比例增至 90.0%。
概念扎根注意力（CGA）对照评估表明，图注入注意力的大部分增益仅源于模型新增容量，而显式时间与认识状态表示可带来实质提升。在 LongMemEval 评测中，显式时间表示使最高 122B 参数模型的回答准确率提升 13 至 25 个百分点。认识状态机制还将 72-122B 模型的无支持断言率从 19-68% 降至 0-5%，微调小模型降至 0.1%。
将拆分保形主张过滤应用于多跳 RAG 可显著提升事实性，在 Llama 3.1 8B 与 GPT-4o-mini 的 95% 目标下，完全受支持的回答比例从无过滤的 55.60%-76.03% 提升至 95.80%-97.20%。但该改进具有强选择性，该目标下仅保留 4.41%-31.09% 的生成主张，且仅 9.70%-51.40% 的回答保持非空。