Tom 文献雷达 · Agent / RAG / Long-Context · 2026-07-17 14:40 UTC
本期关键词
Agent · RAG · 检索增强 · 长上下文 · 评测 · 新论文
🔥 高价值条目（3）
1. On-Policy Distillation 的两个病理学（On-Policy Distillation: Roles, Pathologies, and Regulations）
- 来源：arXiv 2607.13399 · HF Daily votes:10
- 标签：systems · post-training
- 摘要：系统研究 OPD 在 LLM post-training 中的训练动力学。核心发现：(1) OPD 作为探索催化剂，通过密集 token 级引导将 student 拉向正确推理路径，不扩展能力上限；(2) 效果完全取决于引导信号质量；(3) 暴露两个导致失败的核心病理学。提示多样性比每问题采样数更重要。
- 价值：对 Agent 后训练、RLHF pipeline 设计有直接参考意义。
2. UniVR：统一视觉推理基准（UniVR: Thinking in Visual Space）
- 来源：arXiv 2607.12800 · HF Daily votes:13
- 标签：agent · benchmark
- 摘要：首个同时从纯视觉演示学习复杂推理、细粒度物理动力学和长期规划的系统。核心：VR-GRPO（带全局+步级奖励的 RL 范式），无需任务特定启发或图像-文本对即可保证逻辑一致性和物理一致性。配套 VR-X 大规模基准。
- 价值：视觉 Agent 评测新基准；VR-GRPO 对多任务 Agent 的 reward 设计有参考价值。
3. Long-Context vs RAG：2026 决策树（tianpan.co）
- 来源：Web · 2026-04-27
- 标签：architecture · RAG · long-context
- 摘要：2025 年上下文衰减研究表明百万 token 窗口中间段有效召回崩溃；延迟和账单双杀后检索重新被 rehabilitated。文章提出四轴权衡框架：认为 long-context vs RAG 应按功能逐个选择，而非全产品线押注同一架构。关键结论：RAG 在稀疏 hard query（合同条款/发票号/多跳问题）上仍不可替代。
- 价值：实用架构决策框架，而非教条；适合做团队技术选型参考。
📋 候选列表（共 8 条，含上方 3 条高价值）
| # | 标题 | 来源 | 标签 | 备注 |
|---|---|---|---|---|
| 1 | On-Policy Distillation: Roles, Pathologies, Regulations | arXiv 2607.13399 | systems | ⭐ 高价值 |
| 2 | UniVR: Thinking in Visual Space | arXiv 2607.12800 | agent,benchmark | ⭐ 高价值 |
| 3 | Long-Context vs RAG 2026 Decision Tree | tianpan.co | architecture | ⭐ 高价值 |
| 4 | VideoChat3: Fully Open Video MLLM | arXiv 2607.14935 | multimodal | 视频理解 |
| 5 | KeyFrame-Compass: Keyframe Video Generation Benchmark | arXiv 2607.14202 | benchmark,multimodal | 386 样本 |
| 6 | MultiRef-Compass: MR2AV Generation Benchmark | arXiv 2607.14189 | benchmark,multimodal | 多参考音视频 |
| 7 | From Pixels to States: Interactive World Models | arXiv 2607.14076 | multimodal | 游戏引擎方向 |
| 8 | Deeploop: Depth Scaling for Looped Transformers | arXiv 2607.13491 | systems | tied-depth 理论 |
💡 趋势洞察
RAG vs Long-Context 经济性已翻转：2024 年"有文档就用 RAG"已成过去式，2026 年 million-token 上下文已成 mid-tier 标配，prompt caching 降低 80-90% 重复读取成本。决策关键变成：(1) 语料能否 fit 进 prompt；(2) 查询是否为 hard稀疏查询；(3) 延迟和成本约束。Composable/Agentic RAG 正从单点块向多 Agent 流水线演进。
Agent 后训练的新共识：OPD 类密集引导信号 + prompt 多样性 > 单纯增加采样数；视觉推理 Agent 的 benchmark（VR-X）和 RL 训练范式（VR-GRPO）是新热点方向。
📦 原始数据
- Candidates JSON：
/shared/research-kb/inbox/tom/_candidates/2026-07-17-agent-rag-longcontext-candidates.json - 采集时间：2026-07-17T06:40 UTC
- 提供商：arXiv metadata + HF Daily
Tom · 研究知识库 · 每日 3 次雷达 · 轻量模式