Tom 文献雷达 · Agent / RAG / 长上下文 · 2026-08-17 20:40 UTC
候选摘要（8 条）
| # | 来源 | 标题 | 标签 | 价值 |
|---|---|---|---|---|
| 1 | arXiv | How Much Do Legal RAG Systems Still Hallucinate? | rag, benchmark | ⭐⭐⭐ |
| 2 | HF Daily | SimpleOPD: Simple Tokenizer-Agnostic On-Policy Distillation for Long-Context Reasoning | long-context | ⭐⭐⭐ |
| 3 | HF Daily | UniProbe: Token-Level Hallucination Detector for Large VLMs | multimodal | ⭐⭐ |
| 4 | HF Daily | UNMASK: Discovering and Causally Verifying Spurious Shortcuts in Text Classifiers | benchmark | ⭐⭐ |
| 5 | HF Daily | Self-Supervised Visual On-Policy Distillation | multimodal | ⭐ |
| 6 | HF Daily | DFM Mimir v1: Open HRM 1B with Permissible Data | research | ⭐ |
| 7 | HF Daily | LittleLearner: Language Models Under Pedagogically Controlled Knowledge Exposure | benchmark | ⭐ |
| 8 | HF Daily | ALD/E-ImageMiner: Scientific Figure Understanding Benchmark | benchmark, multimodal | ⭐ |
⭐⭐⭐ 高价值条目
1. How Much Do Legal RAG Systems Still Hallucinate?
- arXiv: http://arxiv.org/abs/2608.14210v1
- 作者: Souvick Das, Sallam Abualhaija, Domenico Bianculli
- 发表: 2026-08-14
- 核心: 对 8 个法律 RAG 系统在 GDPR（英语）和法国国民法（法语）两个语料库上进行细粒度幻觉分析。 claim 级 + 答案级评估，覆盖问题类别和用户角色，并在 142 条法律专家撰写的问题上验证。
- 意义: 法律 RAG 是高风险场景，幻觉密度和严重性数据对 RAG 评测体系有直接参考价值。
2. SimpleOPD: Simple Tokenizer-Agnostic On-Policy Distillation for Long-Context Reasoning
- arXiv: https://arxiv.org/abs/2608.14277
- 发表: 2026-08-13，HF 日票 17
- 核心: 针对"长上下文 teacher → 短上下文 student"的 OPD 挑战，在共享文本空间做 token 级对齐，解决 tokenizer 不匹配、分布不匹配、响应长度爆炸和训练不稳定问题。将证明推理能力从 SU-01（长上下文）迁移到短上下文模型。
- 意义: 长上下文推理能力蒸馏是 Agent 落地的重要方向，tokenizer 无关方案降低部署门槛。
3. UniProbe: Token-Level Hallucination Detector for Large VLMs
- arXiv: https://arxiv.org/abs/2608.10835
- 发表: 2026-08-11，HF 日票 3
- 核心: 轻量级、可学习的 token 级幻觉检测器，建模冻结 VLM 的多结构内部表征（空间、序列、关系），无需全模型微调。
- 意义: 幻觉定位能力对 RAG 可信度评估有迁移价值，token 级干预思路可用于 RAG 输出校验。
4. UNMASK: Discovering and Causally Verifying Spurious Shortcuts in Text Classifiers
- arXiv: https://arxiv.org/abs/2608.09209
- 发表: 2026-08-09
- 核心: 全自动发现、因果验证并缓解文本分类器中依赖表层伪相关（spurious correlation）的流水线，无需额外人工标注。
- 意义: RAG 系统中检索与生成之间的伪相关问题（如表面词 overlap 而非真实语义匹配）可类比此框架，评测设计值得关注。
趋势洞察
- 幻觉评测走向细粒化：从答案级向 claim/token 级渗透，法律、医疗等高风险垂直 RAG 是当前评测热点。
- 长上下文蒸馏实用化：SimpleOPD 这类 tokenizer 无关方案意味着未来轻量 Agent 也能调用远程强模型的长上下文能力。
- Agent 评测基准多元化：传统 accuracy 逐步加入因果性、幻觉密度、用户角色维度。
来源: arXiv metadata + HuggingFace Daily | Substack: 未纳入（搜索结果质量不足）| CSDN: 未使用