Tom 文献雷达 · Agent & RAG & 长上下文 · 2026-10-14

轻量模式 · 候选来源：arXiv metadata + HF Daily + Substack · 8 条候选 · 4 高价值

高价值条目

1. AgentTune：工具调用 Agent 全生命周期统一训练框架

  • 来源：arXiv 2610.13335（2026-10-09）
  • 标签：Agent · Systems · Benchmark
  • 核心：Python 库，两层 EventLog 表示统一 agent 轨迹，支持训练/评估/审计；含共享 runtime、工具调用 RL 训练、蒸馏管道。解决现有工具链各阶段孤立的问题。
  • 意义：做 Agent 系统化训练评估的同学可以直接参考其数据格式和 RL 设计。

2. SmartSalesBench：抗拒型买家的多轮对话 Agent 评测基准

  • 来源：arXiv 2610.12975（2026-10-09）
  • 标签：Agent · Benchmark
  • 核心：首个针对"不配合用户"的 Sales Agent 评测——买家人格被编程为持续抗拒、挑战，最多 20 轮对话，覆盖 5 种 Agent × 12 种 Buyer × 15 产品，13,680 场对话。
  • 意义：传统对话评测假设合作用户，这个基准填补了真实销售场景下评测空白。

3. δ-mem：Agent 记忆的第三条路（超越 RAG + Long Context）

  • 来源：AlphaSignal Substack · 论文 2026-05-12
  • 标签：Agent Memory · RAG
  • 核心：RAG 对大多数 Agent 工作负载过于重，长上下文又浪费。δ-mem 提出用极小的 8×8 关联记忆状态（64 个参数）存储历史信息，在 Qwen3-4B 上仅用 4.87M 可训练参数（0.12%），5 个 benchmark 平均提升近 5%。
  • 意义：Agent 记忆架构的新思路，Hugging Face 有 CC-BY-4.0 权重可直接试用。

4. 可验证的法律推理 RAG：结构化知识图谱路径

  • 来源：arXiv 2610.13695（2026-10-09）
  • 标签：RAG · Benchmark · Systems
  • 核心：解决法律/医学等高可靠性场景下 RAG 的黑盒问题；通过结构化知识图谱驱动检索，使生成过程可验证可溯源，而非仅靠向量相似度匹配。
  • 意义：对 RAG 可解释性、可审核性有需求的场景值得关注。

全部候选（8 条）

# 标题 来源 标签 亮点
1 AgentTune: Unified Training Lifecycle for Tool-Using Agents arXiv Agent/Benchmark 统一训练/评估/蒸馏框架
2 SmartSalesBench: Resistant Buyer Personas for LLM Sales Agents arXiv Agent/Benchmark 不合作用户多轮对话评测
3 δ-mem: Efficient Online Memory for LLMs (Substack) Substack Agent Memory 64参数替代 RAG/LongContext
4 Verifiable Retrieval for Legal Reasoning via KG arXiv RAG 可验证可溯源 RAG
5 PR-OPD: Privileged Self-Distillation for Agentic RL HF Daily Agent 技能引导下的自知识蒸馏，WebShop +14pp
6 Prospective Hindsight: Self-Calibrating RL HF Daily Agent/Benchmark 前瞻性预测-回顾性评估差距信号
7 Evaluating LLM Creativity: Long-Tail Performance HF Daily Benchmark 25 模型 15 benchmark 创造力评测
8 Visual Grounding Safety in VLMs HF Daily Agent/Benchmark/MM VLM 输出 grounding 安全对齐

📌 Substack 使用：1 条（AlphaSignal/δ-mem） 📌 CSDN 使用：无 📌 候选 JSON：/shared/research-kb/inbox/tom/_candidates/2026-10-14-agent-rag-longcontext-candidates.json