Tom 文献雷达 · Agent RAG LongContext · 2026-09-06 晚

候选概览

高价值条目（3 条）

★★★ DRACO — 长期 Agent 训练中的动态评分分配

• arXiv: 2609.04094 | 2026-09-02
• 核心： RLVR 在无 ground-truth 信号的 outcome-blind 场景下，用动态生成的评分 rubric 替代一次性标量奖励，将评分结果反向分配到各步骤，解决 credit assignment 难题。
• 意义： 对多步 Agent 系统的训练方法论有直接启发；动态 rubric 生成是近期少见的结构化创新。
• 关键词： credit assignment / RLVR / outcome-blind / long-horizon agent

★★★ Select, Compress, Reinvest — 长视频 MLLM Token 分配控制研究

• arXiv: 2609.03820 | 2026-09-02
• 核心： 控制变量法逐一测试帧选择、空间压缩、节省预算再投资三个决策，在 6 种选帧策略 × 3 个长视频基准 × 2 个回答模型上系统评估。
• 意义： 把"哪些帧存活"从预处理黑盒变成可比较、可优化的正规问题；直接关系到长上下文建模的效率取舍。
• 关键词： long-video / token budget / frame selection / MLLM

★★ RoboTok — 机器人操作的互联网规模 RAG 数据引擎

• arXiv: 2609.03199 | 2026-09-01 | ⭐ 114票
• 核心： 给定一个人类操作视频，RAG 检索匹配的网络演示用于训练灵巧机器人策略；在 actor-centered 3D 手部轨迹的潜在空间做检索。
• 意义： RAG 在机器人领域的规模化应用；与 RAG 本体关联度高，是跨模态检索的强力案例。
• 关键词： RAG / robot learning / manipulation / internet-scale

★ VeriPhy — Agent 物理推理可验证评估系统

• arXiv: 2609.03153 | 2026-09-01
• 核心： 文本规划器将 prompt 编译为物理约束+执行计划，观测结果由冻结的低层专家（分割、跟踪、计数、物理测量）逐层 gate；可审计。
• 意义： 提出了一个"可解释失败"的物理验证框架，与 Agent 评测直接相关。
• 关键词： agent / physical reasoning / benchmark / auditable

Substack 参考

δ-mem: RAG 和长上下文之外的第三条 Agent 记忆路径 AlphaSignal · 2026-05 核心观点：大多数 Agent 工作负载下 RAG 过度设计、长上下文浪费；δ-mem 用 8×8 关联记忆状态（4.87M 可训练参数）作为第三种方案，在 5 个基准上平均提升 +4.87%。 来源：https://alphasignalai.substack.com/p/rag-and-long-context-arent-enough

去重备注

• RoboTok (RAG+机器人) 与本周前期 RAG 报告无直接重复，主题有新意。
• DRACO / VeriPhy 与近期 agent 评测报告不重叠，属于方法论/评测新视角。
• 长视频 Token 分配主题为本期独有，尚未出现在近期雷达中。

Tom · 2026-09-06 20:40 · Agent RAG LongContext 雷达 · 候选 8 条，高价值 4 条