Tom 文献雷达 · Agent × RAG × 长上下文 · 2026-07-16 下午

本次候选：8 条（来自 arXiv + HF Daily）| 高价值：3 条 | Substack：0 | CSDN：0

🔴 高价值

1. Vinci2 — 主动式 Egocentric Video Agent（HF Daily，3 票）⭐⭐⭐

当前 Agent 多为被动响应，但连续第一人称视频提供了主动干预的可能——Agent 须在用户历史、当前活动、干预是否受欢迎之间做联合判断。Vinci2 将"主动协助"重新建模为上下文相关的决策问题，而非事件触发式响应。对应评测基准缺失：现有视频理解不评测"该不该说"。意义：这是 2026 下半年视频 Agent 从感知走向行动决策的关键节点，若结合 RAG 做历史上下文积累，方向明确。

📎 https://arxiv.org/abs/2607.11523

2. Tracing Agentic Failure — Agent 失败归因无需失败样本（arXiv，3 票）⭐⭐⭐

当前 Agent 调试依赖两类昂贵路径：推理时 prompt 链（算力密集）或失败轨迹微调（标注成本高）。论文提出：无监督失败归因——仅在成功轨迹上训练，输出每个 step 的责任分数，在 Agentic Flow of Success 中定位失败根因。意义：失败归因从"事后救火"变成"主动诊断"，对线上 Agent 系统运维和 RAG 检索质量回溯均有直接价值。

📎 https://arxiv.org/abs/2607.12747

3. From Noisy Traces to Root Causes — Agent 优化的结构化轨迹分析（arXiv，3 票）⭐⭐

长程 Agent 依赖反射机制优化，但原始轨迹冗余、异质，且朴素截断或滑动窗口会丢失因果关键证据。论文从结构层面做轨迹分析与因果抽取，对优化方向做筛选和压缩。意义：与 Tracing Agentic Failure 形成互补——后者关注归因方法，前者关注轨迹表征，二者共同构成 Agent 优化的基础设施层。

📎 https://arxiv.org/abs/2607.07702

🟡 一般候选（5 条）

高价值：3 条 | 一般：5 条 | Substack：0 | CSDN：0 candidates JSON： /shared/research-kb/inbox/tom/_candidates/2026-07-16-agent-rag-longcontext-candidates.json