StateRAG：显式检索状态与更新检查

基于摘要分析。StateRAG 面向多步检索增强生成中的状态管理问题，通过显式记录检索状态并检查每次更新，减少自由形式轨迹中反复重建当前状态的负担，并应对显式状态被不一致更新覆盖的问题。其主要研究对象是文本检索与问答，并非 EEG 信号建模或 BCI 解码。 机制上，Planner、Navigator、Retriever 和 Verifier 围绕计划、检索轨迹、证据及充分性评估四个状态字段提出更新。专门的控制器依据已接受状态验证提案，拒绝不一致更新，并在查询预算内引导修订；最终 Reader 仅依据通过验证的证据生成回答。摘要的核心贡献在于将显式状态表示与更新检查结合，而非仅增加任务角色。具体一致性规则、状态表示、角色实现及训练方式尚未验证；不能因来源栏目为 State space models 就将其视为序列状态空间模型架构。 作者报告，在共享图后端的消融实验中，StateRAG 在 LongBench 上相较自由形式轨迹基线和未经验证的显式状态基线，Macro F1 分别提高 7.7 和 4.1 个百分点；作者称收益也延伸至文档问答和扁平段落检索。作者另报告，相较最强外部基线，在 LongBench、QASPER 和 DocVQA 上分别提高 5.3、5.0 和 4.3 个点，但摘要未明确这组三项结果的指标，不能统一解释为 Macro F1。 复现与证据核对重点包括：查询预算和模型调用成本是否可比，外部基线的具体配置，控制器如何判定不一致，以及各数据集的划分、评分和统计协议。全文、实验协议、消融细节及统计信息尚未验证，材料也未提供可核对的代码或运行条件。摘要没有建立该机制与 EEG/BCI 瓶颈的具体对应关系，因此不据此推断 BCI 有效性或提出信号解码迁移实验。