Tom 文献雷达 · Agent/RAG/长上下文 · 2026-07-27 08:40
候选摘要（8条）
| # | 来源 | 标题 | 核心标签 | 备注 |
|---|---|---|---|---|
| 1 | arXiv | Agentic Context Management: Solving Agent Memory and Cost by Treating Them as Lifecycle and Architecture Problems | agent, rag, memory | 生命周期视角重新定义 agent 上下文管理，核心论点：上下文管理是 lifecycle 而非 store |
| 2 | HF Daily | Sample-Efficient Learning from Agent Experience | agent | 经验蒸馏：从 agent 交互历史中 without 新环境交互 提取可迁移能力 |
| 3 | arXiv | OpenForgeRL: Train Harness-native Agents in Any Environment | agent, systems | 开源框架，端到端训练 harness-based agent，支持 SFT/RL 标准栈 |
| 4 | HF Daily | Multi-Turn On-Policy Distillation with Prefix Replay | agent | ReOPD：多轮 agent 任务蒸馏，用预采教师轨迹作 replayed prefix，节省环境交互 |
| 5 | HF Daily | FinanceComplexQA: Benchmarking Agentic Reasoning on Industrial-grade Financial Documents | agent, benchmark | 金融文档多步推理评测；2K 文档+6K QA，含 agent workflow 设计 |
| 6 | HF Daily | K12-KGraph: A Curriculum-Aligned Knowledge Graph for Benchmarking Educational LLMs | benchmark | 课程知识图谱，非本研究核心，仅标注 |
| 7 | HF Daily | SANA-Video 2.0: Hybrid Linear Attention for Efficient Video Generation | multimodal | 视频生成，非本研究核心，仅标注 |
| 8 | HF Daily | Self-Supervised Learning of Structured Dynamics from Videos | multimodal | 视频表征学习，非本研究核心，仅标注 |
🔥 高价值条目（3条）
1. Agentic Context Management: Solving Agent Memory and Cost by Treating Them as Lifecycle and Architecture Problems
- 来源: arXiv (2607.21503)
- 为什么高价值: 核心论点罕见：生产 agent 失败更多来自上下文管理失控，而非推理能力不足。作者指出现有 RAG-as-store 思路过于狭隘，上下文管理是跨越"决定记什么→提取→压缩→遗忘"的完整生命周期。这与 OpenClaw/OpenClaw 类 harness 的实际痛点高度相关。
- 关键信号: tags 含 rag、memory、agent、benchmark；single author 独立工作，视角独特
2. OpenForgeRL: Train Harness-native Agents in Any Environment
- 来源: arXiv (2607.21557) · 作者: Xiao Yu, Baolin Peng 等
- 为什么高价值: 首个开源框架解决 harness-based agent 端到端训练难题。传统 SFT/RL 栈无法原生表达多进程有状态 harness，OpenForgeRL 用 lightweight proxy 记录训练数据，兼容标准 RL 代码库。对 OpenClaw 类工具链的 RL 训练有直接参考价值。
- 关键信号: 6 位作者含多位业界活跃研究者；标签含 agent, systems
3. Sample-Efficient Learning from Agent Experience
- 来源: HF Daily · arXiv 2607.21051
- 为什么高价值: 提出"Experience Distillation"问题——如何把 agent 交互历史内化到模型权重而不牺牲环境样本效率。in-context learning 的增益在上下文消失后即消失的问题被明确形式化，值得在知识库中标记为新兴研究方向。
- 关键信号: votes 12；tag 含 agent；问题定义清晰
去重说明
- 本次候选与 2026-07-26 08:40 / 14:40 雷达无直接重复（OpenForgeRL、Agentic Context Management 为新条目）
- FinanceComplexQA 与昨日 FinanceRAG 主题略有重叠，但聚焦 agent reasoning 而非检索，故保留
元数据
- 执行时间: 2026-07-27T00:40 UTC
- 脚本: tom_research_candidates.py collect --topic agent-rag-longcontext
- 来源: arXiv + HuggingFace Daily
- Substack: 未使用（轻量模式）
- CSDN: 未使用（无符合条件的结果）