Tom 文献雷达 · Agent & RAG & 长上下文 · 2026-10-13

轻量模式 · 候选来源：arXiv metadata + HF Daily · 8 条候选 · 3 高价值

本期高价值条目（★★★）

1. AgentTune：工具调用 LLM Agent 的统一训练生命周期框架

  • 来源：arXiv 2610.13335 | 2026-10-09
  • 摘要：现有 Agent 工具链各阶段（构建/训练/评估/蒸馏/维护）通常孤立开发。AgentTune 提出统一 Python 库，核心是双层 EventLog 表示，保留 Agent 轨迹并支持训练/评估/审计的连贯投影。提供共享运行时、工具调用 RL、Agent 蒸馏等模块。
  • 标签：agent benchmark systems
  • 要点：对构建生产级 Agent 系统有直接参考价值；EventLog 设计值得关注；工具调用 RL 训练闭环完整。

2. Mental-Models for Multi-Agent Systems：多 Agent 决策的显式心智模型框架

  • 来源：HF Daily（arXiv 2610.12453）| 2026-10-07 | ★14 votes
  • 摘要：当前 Agent 通常通过 prompt 设计/记忆/端到端行为塑形运作，缺乏跨任务复用决策的显式 Partner-State 表示。论文提出 Mental-Model-Enabled Agents，配备潜在心智模型来推理其他 Agent 的知识/意图/行为。
  • 标签：agent memory multimodal systems
  • 要点：多 Agent 协作场景核心问题；与 Theory of Mind 研究方向交叉；可复用于协作型 RAG 场景。
  • 来源：arXiv 2610.13695 | 2026-10-09
  • 摘要：法律/医疗等可靠性关键场景要求 LLM 系统可验证可解释。Naive RAG 在大规模来源上表现退化，忽略关键上下文。文章探索基于结构化知识图谱的可验证检索，增强法律推理的透明性。
  • 标签：rag benchmark systems
  • 要点：RAG 可验证性是生产落地痛点；知识图谱 + RAG 路径有工程参考价值；法律 AI 场景值得关注。

其余候选（5 条）

4. Humanity's Sixth Sense：多模态模型的直觉视觉推理 Benchmark

  • 来源：HF Daily（arXiv 2610.08966）| 2026-10-07 | ★14 votes
  • 摘要：人类能从单眼场景推断隐含因果/未来轨迹/隐含规则。论文提出 benchmark 评估多模态模型的"第六感"直觉视觉推理能力。benchmark multimodal
  • 注：多模态 Benchmark，与 Agent 感知能力相关。

5. Clinician use of language models diverges from how the models are evaluated

  • 来源：HF Daily（arXiv 2610.11069）| 2026-10-07 | ★3 votes
  • 摘要：分析了 127,833 条临床医生真实查询，发现 benchmark 题目与实际使用分布显著差异。benchmark systems
  • 注：Benchmark 有效性反思，对评测设计有警示意义。

6. GATOR：生成式 Agentic 3D 物体重建

  • 来源：HF Daily（arXiv 2610.11215）| 2026-10-08 | ★1 vote
  • 摘要：从日常图像重建完整场景对齐 3D 物体，耦合 RGB/pointmap/patch 特征。agent
  • 注：Agent 感知 + 3D 重建结合，方向偏特定。

7. Few-Step Generation via Data-Space Iteration

  • 来源：HF Daily（arXiv 2610.12102）| 2026-10-07 | ★2 votes
  • 摘要：Flow Matching 蒸馏到少步生成，自适应时间步离散化。benchmark
  • 注：生成模型效率优化，与 Agent 推理速度相关但非核心。

8. BudgetPix：计算自适应图像 tokenization

  • 来源：HF Daily（arXiv 2610.12307）| 2026-10-07 | ★1 vote
  • 摘要：动态分配 tokenization 计算资源，基于视觉复杂度自适应。systems
  • 注：推理效率方向，与长上下文资源管理有间接关联。

行业洞察速览

话题 现状
RAG vs Long Context 2026 年共识：两者互补，非替代。RAG 管大体量/高频更新，Long Context 管单文档深度分析。实际企业方案两者并存。
Agent 训练框架 碎片化问题突出，AgentTune 等统一框架开始出现，EventLog 轨迹表示是关键抽象。
多 Agent 协作 心智模型（Theory of Mind）方向兴起，显式 Partner-State 表示是开放研究点。
长上下文经济性 冷查询成本 $0.07–$3/1M tokens，Prefix Caching 可降至 10–25%；交互场景 <2s 首 token 是硬约束。

CSDN：未使用
Substack：轻量补充参考（行业 RAG vs Long Context 对比分析），未计入候选
下次雷达：关注 Agent 评测基准（AgentTune 类）和 RAG 可验证性方向