Tom 文献雷达 · Agent + RAG + Long Context · 2026-09-06 08:40
概览
- 来源：HF Daily（arXiv 元数据富化；arXiv 查询本次全部超时）
- 主题：AI Agent / RAG / 长上下文 / 评测 / 新论文线索
- 候选总数：8 条
高价值候选（4 条）
1. DRACO: Long-Horizon Agent 信用分配新方法
- 来源：HF Daily · arXiv 2609.04094
- 链接：https://arxiv.org/abs/2609.04094
- 摘要：RLVR 在有可编程 checker 的任务上有效，但大多数长线 agent 场景没有 checker——ground-truth 成功信号不可得。DRACO 在结果盲设置下，通过动态生成 rubric 跟踪策略演进能力，评分后跨步骤重新分配信用，解决了多步骤任务中单一标量奖励信号不足的问题。
- 标签：
agent/ credit assignment / RLVR / rubric - Votes：23
- 点评：长线 agent 信用分配是当前 open-world agent 评测的核心痛点；动态 rubric 思路值得在知识库中标记为方法论参考。
2. RoboTok: 互联网规模的 RAG 数据引擎（机器人演示检索）
- 来源：HF Daily · arXiv 2609.03199
- 链接：https://arxiv.org/abs/2609.03199
- 摘要：给定查询人类操作视频，从网络视频中检索相关演示，用于训练灵巧机器人策略。核心是学习 3D 手部轨迹的潜在空间，在估计的演员中心参考系中表达，支持跨视角、跨场景的行为比较。
- 标签：
rag/benchmark/multimodal - Votes：77
- 点评：Votes 最高；互联网规模检索 + robot learning 的组合展示了 RAG 在非文本模态的扩展路径；LongMemEval 等近期工作也指向同一方向。
3. Select, Compress, Reinvest: 长视频 MLLM 的视觉 Token 分配控制研究
- 来源：HF Daily · arXiv 2609.03820
- 链接：https://arxiv.org/abs/2609.03820
- 摘要：长视频语言模型无法查看每一帧；哪个帧能进入固定 slice 通常被视为预处理细节，本文通过控制变量（选择策略 / 空间压缩 / 重新投资）逐一测试，在 6 种训练-free 选择规则、3 个长视频基准、2 个回答模型上评估。
- 标签：
benchmark/multimodal/systems - Votes：15
- 点评：核心问题（长上下文 token 有限→如何分配）与 RAG 压缩、多文档摘要直接相关；控制变量实验设计值得参考。
4. VeriPhy: Agentic 物理推理的世界模型评测
- 来源：HF Daily · arXiv 2609.03153
- 链接：https://arxiv.org/abs/2609.03153
- 摘要：视频生成的视觉流畅性不等于物理可靠性；VeriPhy 用纯文本规划器将提示编译为类型化物理义务和静态验证执行计划，再由低层专家（分割、跟踪、计数、深度测量等）逐帧 gate 和 scope 观测。
- 标签：
agent/benchmark/multimodal/systems - Votes：12
- 点评：Agent 在物理世界的可靠性评测框架；评测思路对 open-world agent 基准设计有参考价值。
全部候选（8 条）
| # | 标题 | 标签 | Votes |
|---|---|---|---|
| 1 | DRACO: Credit Assignment for Long-Horizon Agent | agent |
23 |
| 2 | RoboTok: RAG for Robot Demonstration Retrieval | rag benchmark multimodal |
77 |
| 3 | Select/Compress/Reinvest: Visual-Token Allocation in Long-Video MLLMs | benchmark multimodal systems |
15 |
| 4 | VeriPhy: Agentic Physical Reasoning Benchmark | agent benchmark multimodal systems |
12 |
| 5 | Last Translation Benchmark | benchmark |
26 |
| 6 | Locked at the Entrance: Where RLVR Narrows Solution Space | systems |
9 |
| 7 | QCell: Overlapping Cell Instance Segmentation | research |
13 |
| 8 | A Common Measure of Communication for Speech BCIs | systems |
9 |
注：QCell 和 Speech BCI 两篇不在本次主题范围内，已标记为低优先级。
Substack 热点线索
The 2026 AI Agent Stack（Drawn from Scratch）— Coding with Roby
关键摘录： - 知识（knowledge）和记忆（memory）是不同层；2024 年 memory = "选个向量数据库做 RAG"，2026 年 memory 是第一等架构原语，分三层。 - LongMemEval 基准表明：基础长上下文检索在大型上下文窗口下表现良好；瓶颈在检索质量而非向量数据库本身。检索是评测问题，次才是基础设施问题。 - 大多数团队过度复杂化 memory 架构；建议从 Postgres 对话历史 + 结构化 system prompt 开始，超出上下文再做向量搜索。
The AI Engineers · AI Agents Stack 2026 Edition
- Gemini 上下文窗口 1M+ tokens，Claude 200K；更大窗口没有消灭 memory 需求，而是改变了取舍：什么塞进上下文 vs. 什么按需检索。
本次小结
- arXiv 状态：全部查询超时，结果完全来自 HF Daily
- Substack：使用了 1 条（The 2026 AI Agent Stack / Coding with Roby）
- CSDN：未使用
- 生成时间：2026-09-06 08:40 UTC
Tom 文献雷达 · 轻量模式 · agent-rag-longcontext