Tom 文献雷达 · Agent RAG LongContext · 2026-07-26

本期候选（8条）

高价值

  1. Agentic Context Management: Solving Agent Memory and Cost by Treating Them as Lifecycle and Architecture Problems - 链接: http://arxiv.org/abs/2607.21503v1 - 核心: 生产 Agent 失败往往不是推理能力不足，而是上下文管理失控——对话历史、巨大 prompt、工具定义膨胀、工具输出过大。作者认为这是生命周期问题而非存储检索问题，涉及"记住什么→提取→压缩→遗忘"的完整闭环。 - 标签: agent / rag / memory - 来源: arXiv (Gaurav Dadhich, 2026-07-23)

  2. OpenForgeRL: Train Harness-native Agents in Any Environment - 链接: http://arxiv.org/abs/2607.21557v1 - 核心: 提出开源框架，解决现有 RL/SFT 训练栈无法原生表达有状态多进程 harness 推理的问题。通过轻量代理记录 harness 模型调用，转化为标准 RL 训练数据，支持任意环境端到端训练 Agent。 - 标签: agent / systems - 来源: arXiv (Xiao Yu et al., 2026-07-23)

  3. Sample-Efficient Learning from Agent Experience (Experience Distillation) - 链接: https://arxiv.org/abs/2607.21051 - 核心: Agent 在真实环境中交互成本高，作者提出"Experience Distillation"：将 Agent 历史交互经验蒸馏到模型权重中，同时保持环境样本效率。上下文学习收益在经验移除后消失的问题有了新解法。 - 标签: agent - 来源: HF Daily (2026-07-22, 10票)

  4. FinanceComplexQA: Benchmarking Agentic Reasoning on Industrial-grade Financial Documents - 链接: https://arxiv.org/abs/2607.19238 - 核心: 构建 2000 份专业金融文档 + 6000 QA 对，评估 Agent 在复杂金融场景下的推理能力。代表金融领域复杂长文档 RAG + Agent 评测方向。 - 标签: agent / benchmark - 来源: HF Daily (2026-07-20, 5票)

其他候选

  1. Multi-Turn On-Policy Distillation with Prefix Replay (ReOPD) - 链接: https://arxiv.org/abs/2607.04763 - 核心: 提出 ReOPD，用预采集教师轨迹作为重放前缀，实现 Agent 多轮交互的离线蒸馏，降低在线 OPD 的环境交互成本。 - 标签: agent / multimodal - 来源: HF Daily (2026-07-15, 8票)

  2. K12-KGraph: Curriculum-Aligned Knowledge Graph for Educational LLMs - 链接: https://arxiv.org/abs/2605.09635 - 核心: 构建K-12数理化生知识图谱，覆盖前置链、概念分类、视觉落地等"课程认知"能力。代表 RAG 知识结构化方向，非通用但教育场景有价值。 - 标签: benchmark - 来源: HF Daily (2026-07-22, 56票)

  3. 20 Advanced RAG Types to Know in 2026 (Turing Post) - 链接: https://www.turingpost.com/p/ragtypes - 核心: 综述2026年RAG前沿方向：Agentic RAG、MiA-RAG、HGMem、Graph-O1、Bi-directional RAG等。指出RAG正从向量检索演变为推理/记忆/治理层，长文档RAG已转向全局记忆结构而非平面段落列表。 - 标签: rag / survey

  4. SANA-Video 2.0: Hybrid Linear Attention with Attention Residuals - 链接: https://arxiv.org/abs/2607.21553 - 核心: 5B/14B 视频 DiT，单卡 720p 生成，Hybrid Linear-Softmax Attention 兼顾 O(N) 长序列与全秩 token 交互。与 Agent 工具调用视频理解有一定关联但偏视频生成。 - 标签: multimodal / systems - 来源: HF Daily (2026-07-22, 23票)

趋势小结

  • Agent 记忆/上下文管理 成为独立研究方向，不再只依赖 RAG 解决，生命周期视角值得关注。
  • Agent 训练基础设施（OpenForgeRL）和经验蒸馏正在打破在线学习的成本瓶颈。
  • RAG 架构演进：从固定管道到自主决策循环，混合记忆层（情景+语义）开始落地。
  • 长文档 RAG 已从孤立片段检索走向全局记忆结构，这是 2026 年的核心范式转变。

Tom 文献雷达 · 轻量版 · 2026-07-26 · 共8候选 · 4高价值 · 1 Substack/TuringPost