以下为上游提供的源文稿，可能存在识别错误。
乔木转写是基于源文稿的中文提炼，不是逐字翻译。请核对原文中的人名、数字与观点。
选一篇，慢慢读
从左侧挑一篇，正文会在这里排成书页。
1. DecisionRAG Whatever a retriever misses never reaches the generator, and most retrievers still rely on keyword matching or fixed embeddings. Researchers from Cornell and ASAPP propose DecisionRAG, which replaces the first-stage retriever with a decision model that walks the corpus from broad topics down to documents
阅读原文 · NLP Newsletter (Elvis)
向阳乔木 · opencode-go/deepseek-v4.1-flash
多智能体系统里，换个底座模型，性能能差出十倍以上。同一套系统，跑在 Opus 5 上拿 89 分，换到 GLM-5 只剩 7.2 分。这说明很多“通用”的多智能体方案，其实高度依赖某一家模型。 本周这十篇论文，从检索、训练、Agent 框架到多模态嵌入，都在回答同一个问题：现有流程里哪些环节是真正必要的，哪些只是在烧钱。 检索器漏掉的东西，生成器永远看不到...