Tom 文献雷达 · AI Agent / RAG / 长上下文 · 2026-09-05 20:40

概览

  • 候选总数：8 条
  • 高价值：4 条
  • 来源：arXiv + HuggingFace Daily（8 条）
  • Substack：使用（CSDN：未使用）
  • 注：本日第三次运行，HF Daily 今日条目与 14:40 完全相同，vote 动态已更新

🔥 高价值条目

1. DRACO: 动态 rubric 分配用于长程 Agent 训练

  • 来源：HF Daily · 2026-09-02 · 23 票
  • 链接：https://arxiv.org/abs/2609.04094
  • 摘要：RLVR 在长程 Agent 任务无程序化 checker 时效果差。DRACO 动态生成评分 rubric，训练中跟踪策略能力演进，对完整轨迹评分后重新分配优势信号。
  • 标签：agent
  • 意义：outcome-blind 场景下突破信用分配难题。

2. RoboTok: 互联网规模机器人演示检索引擎

  • 来源：HF Daily · 2026-09-01 · 40 票（今日大幅上升）
  • 链接：https://arxiv.org/abs/2609.03199
  • 摘要：给定人类操作视频，从网络视频检索相关演示用于机器人灵巧操控策略训练，学习 3D 手部轨迹潜在空间表示，跨视角对齐。
  • 标签：rag benchmark multimodal
  • 意义：RAG 思想引入机器人学习，互联网规模数据是核心壁垒。

3. Select, Compress, Reinvest: 长视频 MLLM Token 分配控制研究

  • 来源：HF Daily · 2026-09-02 · 15 票
  • 链接：https://arxiv.org/abs/2609.03820
  • 摘要：1 小时视频每秒一帧 = 3600 张图，系统只保留固定 slice。研究解耦帧选择、空间压缩和"省 token 重新投入"三个决策，在 6 种选择规则、3 benchmark、2 模型上系统评测。
  • 标签：benchmark multimodal systems
  • 意义：视频 Token 分配首个控制变量基准，长期被忽视的工程问题。

4. VeriPhy: Agentic 物理推理与世界模型评测

  • 来源：HF Daily · 2026-09-01 · 12 票
  • 链接：https://arxiv.org/abs/2609.03153
  • 摘要：视频生成 fluency ≠ 物理可靠性。VeriPhy 用纯文本 Planner 编译为类型化物理义务和静态验证执行计划，观察门控调用冻结专家（分割、跟踪、计数、11 种物理测量等）。
  • 标签：agent benchmark multimodal systems
  • 意义：首个可审计物理验证框架，为世界模型提供可解释评测标准。

📌 一般条目

5. Last Translation Benchmark

  • 来源：HF Daily · 2026-09-02 · 24 票
  • 链接：https://arxiv.org/abs/2609.04173
  • 机器翻译标准 benchmark 趋饱和，引入新 benchmark 追踪客观进展。
  • 标签：benchmark

6. QCell: 细胞查询重组用于重叠实例分割

  • 来源：HF Daily · 2026-08-28 · 13 票
  • 链接：https://arxiv.org/abs/2608.29253
  • 标签：research

7. Locked at the Entrance: RLVR 缩小解空间的位置分析

  • 来源：HF Daily · 2026-08-28 · 8 票
  • 链接：https://arxiv.org/abs/2608.29188
  • 标签：systems

8. A Common Measure of Communication for Speech BCIs

  • 来源：HF Daily · 2026-09-01 · 9 票
  • 链接：https://arxiv.org/abs/2609.02887
  • 标签：systems

💡 趋势洞察（来源：Web/Tavily）

RAG 架构 2026 最新共识： - 混合检索成为默认，纯稠密检索已成 smell；重排器收敛至 Cohere Rerank 3.5、Voyage Rerank-2、BGE Reranker v2 - 长上下文 vs RAG 成本博弈：1M token 窗口让部分 RAG 场景可选，但成本和延迟数学仍偏向检索 - Agentic RAG 成为复杂问题标配：模型自主决定何时检索、检索什么、迭代修正 - 评测框架：TruLens 和 DeepEval 主领 AI Agent + RAG 评测；TruLens 新增 Agent GPA（目标/计划/行动三维度）；持续线上评测替代一次性离线评估 - Advanced RAG 类型：Long-document memory（MiA-RAG、HGMem、MegaRAG）、Adaptive/Agentic RAG（Agentic RAG、A-RAG、HiFi-RAG）、Graph RAG、Multimodal RAG

生成时间：2026-09-05 20:40 (Asia/Shanghai) · Tom 文献雷达