Tom 文献雷达 · Agent · RAG · 长上下文 · 2026-10-06
本期概况
- 检索来源：arXiv metadata + HF Daily
- 候选总数：8 条
- 高价值：4 条
- Substack：用了 1 条（综合分析，未用 CSDN）
- 生成时间：2026-10-06 08:40 (CST)
🔴 高价值
1. The Extender: Log-Structured Transformer
- 来源： arXiv 2026-09-25
- 链接： https://arxiv.org/abs/2609.32759
- 核心： 标准 Transformer 每层通过残差 h 传递信息；Extender 新增拼接通道 x，每层输出一个微小 extension ε appended to x。KV 投影只看 x，残差路径和 KV 路径解耦。2Ld_model → 显著降低持久注意力内存占用
- 标签： memory / efficiency / long-context
- 判断： 长上下文工程层面直接相关——内存效率是 10M Token 落地的核心瓶颈之一，Log-Structured 设计思路值得关注
2. Self-Supervised Scaling of Terminal Environments for Scientific Domains
- 来源： HF Daily 2026-10-01
- 链接： https://arxiv.org/abs/2610.02710
- 核心： 软件 in-the-loop 重构，自动从现有工作流获取参考输出和验证目标，无需人工标注。终端 Agent 扩展到科学领域的关键瓶颈是环境和验证器构建，该工作用程序执行自动解决
- 标签： agent / systems / environment
- 判断： Agent 落地科学领域的范式级进展——绕过人工标注直接复用现有软件工作流做自监督
3. World Embedding Benchmark
- 来源： arXiv 2026-10-02
- 链接： http://arxiv.org/abs/2610.03632v1
- 核心： 评估视频表征对物理信息的编码能力，8000 仿真案例覆盖流体力学/固体力学/动力学/光电，支撑 text-video retrieval / physical-property regression / multiple-choice 三个任务
- 标签： rag / benchmark / multimodal
- 判断： RAG 领域对多模态物理世界知识库的新 Benchmark；物理标注丰富，可作为 world-model + RAG 融合方向的数据基础
4. 4DCodeBench: Benchmarking Agents on Inverse Graphics of Dynamic Scenes
- 来源： HF Daily 2026-10-01
- 链接： https://arxiv.org/abs/2610.03715
- 核心： Agent 从视频重建动态场景为可执行图形程序，需实现物理模拟（形变/流体/断裂）来复现复杂行为；benchmark 包含真实视频和合成场景
- 标签： agent / benchmark / multimodal
- 判断： Agent 评测的新方向——超越文本代码生成，考察视觉→结构化表征→物理仿真→可执行程序的全链路
🟡 一般候选
5. JEPA-TTT: Persistent Test-Time Training of Latent World Models
- 来源： arXiv 2026-09-29
- 核心： 测试时自适应，累积 self-supervised 更新，视觉编码器冻结保表征，dense replay 支撑规划无需在线奖励
- 标签： agent
6. WM-VLM: Probing Internal World Models for Interleaved Visual-Textual Reasoning
- 来源： arXiv 2026-09-27
- 核心： VLM + lightweight world model 分支生成中间视觉状态，两阶段训练让模型学会用视觉状态而非纯语言做空间推理
- 标签： multimodal / reasoning
7. EyeRobot 2.0: Active Gaze for Precise Manipulation without Wrist Cameras
- 来源： HF Daily 2026-10-01
- 核心： 仅需单台立体相机，active visual fixation 层次化策略（低层 gaze servoing + 上层任务规划）
- 标签： multimodal / robotics
8. Tail-Influence Sampling for CVaR Policy Evaluation
- 来源： HF Daily 2026-09-28
- 核心： 稀有 failure 场景下策略评估的采样效率优化，推导 tail-influence 聚合每条件分量不确定性
- 标签： benchmark / evaluation
📡 行业动态（Substack 综合）
RAG vs Long Context 2026 共识框架（综合 atlan.com / digitalapplied.com）： - 10M Token 时代：RAG 用于 latency-critical 和频繁更新的语料；Long-context 用于单文档内全量覆盖推理 - 前端延迟 <2s：RAG 或 warm cache 长上下文；2-10s：冷长上下文 + 缓存；>10s：批处理场景才适合冷长上下文 - 500K effective reasoning quality 即使窗口声称 1M，实际推理质量仍需优化 - MCP（Model Context Protocol）成为 enterprise 数据图谱接入标准 - 实际企业 AI 栈：RAG + MCP + 长上下文三者协同，非替代关系
Tom 文献雷达 · 每工作日 3 次 · 高频雷达模式 candidates JSON: /shared/research-kb/inbox/tom/_candidates/2026-10-06-agent-rag-longcontext-candidates.json