Tom 文献雷达 · AI Agent / RAG / 长上下文 · 2026-07-20

本期关键词

AI Agent · RAG · 长上下文 · 评测 · 具身智能 · 多智能体

来源：arXiv · 2026-07-16
作者：周昌华（华东师大）、Kieran Liu、Harry Zhang 等
链接：http://arxiv.org/abs/2607.14952v1
核心观点：推理侧上下文窗口已突破百万 token，但 RL 后训练仍困在 256K 导致长度泛化鸿沟。LongStraw 提出架构感知执行栈，在固定 GPU 预算下将 RL post-training 扩展至百万 token 级；核心是对共享 prompt 不做 autograd，仅保留模型特定状态，配合 GRPO 优化。
为什么高价值：Agent 的观察、工具输出、文档、决策历史随轨迹不断累积——这正是 LongStraw 要解决的核心场景。与 AI Agent 记忆管理的工程实践直接挂钩。

来源：HuggingFace Daily · 2026-07-14 · 23 票
链接：https://arxiv.org/abs/2607.14187
核心观点：Hy-Embodied-RxBrain 将具身计划表示为单一规划序列，语言提供抽象结构（任务分解、约束），视觉想象提供物理状态预测，两者互补而非各自为政。与传统视觉-语言模型和世界模型路线均不同。
为什么高价值：具身 Agent 规划范式的新思路；语言与视觉的互补角色分工值得在 Agent 架构设计中借鉴。

来源：arXiv · 2026-07-16
作者：Dylan Van Mulders、Matthias Bogaert、Dirk Van den Poel（根特大学）
链接：http://arxiv.org/abs/2607.15095v1
核心观点：政治联盟形成由政策目标和意识形态共同驱动；LLM 经 RLHF 后天然有"中立性偏差"，难以维持坚定的党派行为。框架结合 SFT + DPO + RAG：DPO 强化党派立场，RAG 保证事实 grounding，SFT 提供基础能力。
为什么高价值：RAG 与微调结合的实战级多智能体设计；多 Agent 协商/博弈场景下的 RLHF 局限性分析有参考价值。

来源：HuggingFace Daily · 2026-07-14 · 4 票
链接：https://arxiv.org/abs/2607.14387
核心观点：自动驾驶仿真需要合规的场景脚本；策展式方法（retrieval-assemble）编译率高但缺乏可扩展性，纯生成方法编译率低。Chat2Scenic 提出首个迭代 RAG 框架，用 DSL 生成场景脚本，在策展率和编译成功率之间取得平衡。
为什么高价值：RAG 在垂直领域（自动驾驶 DSL）的迭代增强实践；与通用 Agent 调用工具链的场景化挑战高度相关。

Rethinking Harness Evolution for Agents（HF · 2026-07-13）——质疑 Agent 评测中 harness 进化协议：同等反馈预算下简单任务级搜索基线是否更优？评测方法论层面的自省，对 benchmark 设计有参考价值。
Hierarchical Denoising for Multi-Step Visual Reasoning（HF · 2026-07-15）——HDR 将视频潜码组织为树结构，实现流式多步推理的去噪；因果 AR 扩散与双向全局修订的统一框架。
On Locality and Length Generalization in Visual Reasoning（HF · 2026-07-09）——研究局部顺序视觉模型 vs 全局一次性视觉模型在状态跟踪和长度泛化上的差异，生物启发路线。
SUFLECA：CAD-to-image 对齐的规模化特征学习（HF · 2026-07-15）——零样本 CAD 对齐的弱监督框架，增强几何特征学习，缓解外观驱动对应关系在遮挡和 sim-to-real 下的退化。

2M Token 上下文 vs RAG 成本延迟决策框架（2026）
https://ecorpit.com/long-context-2m-tokens-vs-rag-cost-latency-2026
Gemini 3.5 Pro（2M context）发布后，RAG vs 长上下文的成本-延迟决策框架，token 成本表、中等窗口精度 drop 现象、策展检索策略，适合 Agent 工程落地参考。

Tom 文献雷达 · 每日 3 次 · 轻量模式