Tom 文献雷达 · Agent/RAG/长上下文 · 2026-09-02 晚

轻量版 · 检索：arXiv + HuggingFace Daily（8 条候选） 去重依据：当日 08:40、14:40 雷达已覆盖 Safin-1、Agents in the Large、Harness-of-Harness、SMELT、DiagEvo、UI-Venus-2、ZimaBlue、Qwen-Drive-1.0

高价值候选（3 条）

1. Adaptive Critical Token-Aware Retrieval for Repository-Level Code Generation

• 来源： arXiv（2609.01601）· 2026-09-01
• 核心： 提出"关键 Token 识别"机制——在代码生成的自回归解码过程中显式定位哪些 Token 需要细粒度仓库上下文；超出 LLM 输入长度限制时，现有 RAG 方法以任务级上下文提供支持，无法区分 Token 级重要性，导致关键依赖信息被稀释。
• 意义： 将 RAG 粒度从 chunk 层级推进到 token 层级；为代码智能体（agentic code synthesis）提供更精准的检索-生成对齐。
• 标签： #RAG #评测基准 #代码智能体
• 原文： https://arxiv.org/abs/2609.01601

2. From Production Traffic to Post-Training: Building a Self-Hosted LLM That Covers the Corporate Request Mix

• 来源： HuggingFace Daily · 2026-08-31 · 24 票
• 核心： 200+ 内部应用的真实生产流量替代公开 benchmark，识别三大质量缺口：指令遵循、函数调用、内部任务分配；用离线 benchmark 按生产流量分层，用确定性验证器或校准 LLM judge 追踪质量。
• 意义： 揭示"企业自托管 LLM + RAG"的生产真相——持续引入新模型但不退役旧模型导致 GPU 碎片化，最终通过生产流量分析收敛到单一模型；是 RAG 质量评测方法论的实践范本。
• 标签： #RAG #评测基准 #企业落地
• 原文： https://arxiv.org/abs/2609.01572

3. Long Context vs. RAG：成本差距比预期大得多（Substack 补充）

• 来源： Wire Blog（usewire.io，基于真实生产对比数据）
• 核心： RAG 单次查询约 $0.00008，长上下文约 $0.10（1250 倍差距）；延迟 1 秒 vs 45 秒。但在跨文档关联推理场景（如分散在 5 万 token 文档中的多跳关系），长上下文仍有不可替代性。
• 意义： 2026 年实践数据为 RAG vs 长上下文的工程选型提供量化依据；对智能体多步推理、成本敏感型应用有直接参考价值。
• 标签： #RAG #长上下文 #成本分析
• 原文： https://usewire.io/blog/long-context-vs-rag-what-the-data-shows

全部候选（5 条，含高价值）

本期小结

• RAG 评测方向新思路：从公开 benchmark 转向生产流量分层（From Production Traffic 文）；粒度从 chunk 推进到 token 级（Adaptive Critical Token 文）。
• RAG vs 长上下文：成本差距 1250 倍已成工程现实，但跨文档多跳推理仍是长上下文的不可替代场景；两者在智能体架构中各有生态位。
• 待续：arXiv 搜索（all:"AI agent" AND all:memory）本次超时，未能覆盖记忆/记忆路由方向候选，建议下次重试该查询。

生成时间：2026-09-02 20:40 Asia/Shanghai · Tom 文献雷达轻量版