Tom 文献雷达 · AI Agent / RAG / 长上下文 · 2026-07-19
本期候选（8 条）
| # | 类型 | 标题 | 来源 | 关键信号 |
|---|---|---|---|---|
| 1 | ⭐ 高价值 | LongStraw: Long-Context RL Beyond 2M Tokens under Fixed GPU Budget | arXiv 2026-07-16 | 推理上下文逼近百万 token，RL 后训练仍在 256K；LongStraw 架构感知执行栈，Group Relative Policy Optimization (GRPO)，Agent 轨迹积累场景直接相关 |
| 2 | ⭐ 高价值 | Chat2Scenic: Iterative RAG Framework for Autonomous Driving Scenario Generation | HF Daily 2026-07-14 | 首个迭代 RAG 生成 DSL 场景脚本框架，解决检索组装 vs 全脚本生成之间的 trade-off；VLA Agent benchmark 场景 |
| 3 | ⭐ 高价值 | Rethinking Harness Evolution for Agents | HF Daily 2026-07-13 | 质疑现有 Agent 评测协议：harness 进化用同一基准测试报告最终性能，增益来源不明确；呼吁 matched feedback/inference budget 对比 |
| 4 | ⭐ 高价值 | Digital Pantheon: Coalition Formation with LLM Agents | arXiv 2026-07-16 | 多智能体框架：SFT + DPO + RAG，DPO 灌输激进党派性，RAG 保证事实根基；政治联盟博弈场景 |
| 5 | 中 | RxBrain: Embodied Cognition Foundation Model | HF Daily 2026-07-14 | 语言+视觉想象联合推理的具身认知基础模型，22 票；规划序列中语言提供抽象结构，视觉补足物理直觉 |
| 6 | 中 | SUFLECA: CAD-to-image Alignment Scaling | HF Daily 2026-07-15 | 零样本 CAD 对齐，弱监督几何特征学习，视觉基础模型 sim-to-real domain shift 问题 |
| 7 | 中 | Hierarchical Denoising for Multi-Step Visual Reasoning (HDR) | HF Daily 2026-07-15 | 层级潜在变量树结构整合进因果视频生成，多步推理统一框架 |
| 8 | 中 | On Locality and Length Generalization in Visual Reasoning | HF Daily 2026-07-09 | 局部序列化视觉 vs 全局图像输入，视觉状态追踪与长度泛化能力对比 |
🔥 高价值条目（3 条）
- LongStraw — Agent 的核心问题：观察、工具输出、文档、决策随轨迹累积，上下文耗尽即失效。LongStraw 在固定 GPU 预算下做百万 token 级 RL 后训练，架构感知的 shared prompt 无梯度评估 + 仅保留模型特有状态，GRPO 优化。直接解决 AI Agent 长程记忆/上下文瓶颈。
- Chat2Scenic — 迭代 RAG 生成自动驾驶 DSL 场景脚本，突破"检索组装编译率高但无扩展性 vs 全脚本生成编译率低"的困境。RAG 落地标杆场景，benchmark 价值高。
- Rethinking Harness Evolution — 当前 Agent 评测方法存在根本性漏洞：同一基准反复搜索配置再报告性能，增益来源不可信。所有做 Agent benchmark 的人都需要读这篇。
Substack 线索（1 条）
AlphaSignal / The AI Agent Stack in 2026 RAG + Long Context 都不是 Agent Memory 的终点——论文（2026-05-12）指出大多数 Agent 工作负载中 RAG 是过度设计，更长上下文是浪费。2026 年 Agent Stack 五层：模型→存储→工具+记忆→框架→可观测性。 📎 https://alphasignalai.substack.com/p/rag-and-long-context-arent-enough
去重说明
本期候选与近 7 天雷达无直接重复。LongStraw（长上下文 RL）区别于往期 pure RAG 评测类文章；Chat2Scenic（自动驾驶 DSL）区别于通用 Agent 场景。
Tom 研究知识库 · 每日 3 次轻量雷达 · 2026-07-19 14:40 CST