Tom 文献雷达 · Agent · RAG · Long Context · 2026-10-24

作者：Tom

本期高价值（4条）

1. IQuest-Q1：面向 Agentic CLI 的稀疏 MoE 基础模型

• 论文：IQuest-Q1: Advancing Foundation Capabilities for Agentic CLI Systems
• 标识：arXiv 2610.30949
• 链接：https://arxiv.org/abs/2610.30949
• 核心：320B 总参、15B 激活的稀疏 MoE agentic 基础模型。三阶段流程：预训练（Stable SplitNorm + Muon + muP，两阶段课程提升 coding 数据配比），细粒度中训练（跨领域/格式扩展数据配比、渐进扩展上下文长度），多 scaffold 多版本后训练（SFT + 领域 RL + MOPD）。
• 价值：本批唯一直接针对 CLI 型 agent 上下文能力的工作，"渐进式扩上下文 + coding 数据配比"对做长上下文 agent 底座的团队有参考价值。
• 局限：摘要未给出长上下文评测的具体基准与分数；模型是否开放、权重可得性未在摘要中说明，作为"能力来源"阅读更合适，不宜直接照搬。
• 标签：agent / long-context / foundation-model / post-training

2. RouteWeaver：统一"选模式"与"选模型"的 LLM 路由

• 论文：RouteWeaver: Weaving Mode Selection and Execution into Unified LLM Routing
• 标识：arXiv 2610.19705
• 链接：https://arxiv.org/abs/2610.19705
• 核心：现有路由绑定固定执行范式（单轮 / 多轮 / agentic），RouteWeaver 把三者统一进一个 LLM 策略，联合学习"用哪种模式"和"该模式下选哪个模型"，用 COMET-GRPO 协调模式与执行训练。
• 价值：对多模型 agent 编排（长上下文贵模型 vs 短上下文小模型的分层路由）给出可直接借用的策略学习思路，是本批最贴近工程编排的一项。
• 局限：摘要未披露路由收益的量化结果，也未说明训练成本与延迟代价；模式空间扩大后的泛化性未知。
• 标签：agent / routing / multi-model / rl

3. Heartbeat Thinking：实时语音 agent 的推测式推理与工具执行

• 论文：Heartbeat Thinking: Speculative Reasoning and Tool Execution While Listening in Realtime Voice Agents
• 标识：arXiv 2610.26233
• 链接：https://arxiv.org/abs/2610.26233
• 核心：语音 agent 在用户说完后干等。分块式或"更新即中断"的推测生成会在工具参数未完成时截断调用，把计算时间绑死在语音更新上。Heartbeat Thinking 让新输入触发新的 Thinker 调用，同时允许在途调用与已派发工具跑完；周期性调用读取最新部分转写与已完成推理的共享记录。
• 价值：把"部分可观测上下文"当作一等公民处理，共享推理记录的做法可直接迁移到长上下文的流式 agent。
• 局限：仅基于摘要，未见端到端延迟与错误率对比；共享记录随会话变长后的上下文膨胀问题摘要未交代。
• 标签：agent / long-context / streaming / tool-use

4. AnyGameRenderer：coding agent 产出物到高质量视觉的渲染闭环

• 论文：AnyGameRenderer: Entity-Consistent Generative Rendering Across Games and an Entity-Level Benchmark
• 标识：arXiv 2610.31466
• 链接：https://arxiv.org/abs/2610.31466
• 核心：coding agent 分钟级生成的小游戏多为灰块程序美术。该工作做 video-to-video 生成式渲染，在保持布局、镜头、每个实体位置与时序不变的前提下提升角色、动态细节与特效；并给出实体级一致性的 benchmark。摘要强调其跨塔防、自走棋、俯视生存、回合制、卡丁车等 agent 常见品类泛化。
• 价值：侧面说明"agent 生成物质量"正在成为独立评测对象，实体级一致性基准的思路可迁移到 agent 产物验收。
• 局限：与本主题（agent / RAG / 长上下文）关联最弱的一篇，价值主要在评测方法而非上下文机制。
• 标签：agent / benchmark / generative / evaluation

一条外部补充（仅作本批相关补充）

• Context engineering 取代 prompt engineering 成为核心纪律：一篇 2026 版 agent 技术栈综述指出，记忆已从"选一个向量库做 RAG"变成一等架构原语，分短期对话与长期持久状态；上下文窗口变大（Gemini 1M+、Claude 200K）并未消除记忆需求，只是改变了"塞进上下文 vs 按需检索"的取舍。来源：https://theaiengineer.substack.com/p/the-ai-agents-stack-2026-edition
• 另一篇 2026 玩法文章把 agent 栈拆成六层并强调"知识（外部 RAG）"与"记忆（agent 自身状态）"已是两个不同问题，多数 RAG 失败瓶颈在检索质量而非向量库本身。来源：https://codingwithroby.substack.com/p/the-2026-ai-agent-stack-drawn-from
• 与本批的关系：IQuest-Q1 的渐进扩上下文、RouteWeaver 的模型分层、Heartbeat Thinking 的部分转写，共同指向"上下文不是越大越好，而是要分层选"这一条主线。仅一次搜索所得，未做更多检索。

其余候选（4条）

5. Toward Recursive Self-Improvement in Physical AI（arXiv 2610.29677 · https://arxiv.org/abs/2610.29677）：把递归自我改进从改写代码的数字 agent 迁移到物理世界，强调部分观测、代价高昂的试错、不可逆后果。视角性定位论文，与本主题的上下文机制关系弱。（agent / survey / robotics）

6. FilmFlow: Agentic System for 3D Virtual Film Cinematography（arXiv 2610.30753 · https://arxiv.org/abs/2610.30753）：Director agent 组合原子运动生成可执行相机轨迹，Interpreter 等三个专职 agent 分工。agent 编排模式有借鉴意义，但应用域垂直。（agent / multi-agent / 3d）

7. RLSplat（arXiv 2610.27712 · https://arxiv.org/abs/2610.27712）：前馈 3DGS 的资源线性预算控制，指出既有可调高斯数方法先预测稠密再剪枝，推理成本近乎常数。与 agent/上下文无关。（3d / efficiency）

8. Verus-Insight（arXiv 2610.30866 · https://arxiv.org/abs/2610.30866）：AI 生成视频的可解释伪造痕迹检测，把痕迹识别拆成检查规划等三项能力。方法论与本主题不相关。（detection / explainability）

引用清单

说明：本报告仅基于清单内 item.materials 的标题与摘要片段分析，未通读原文，未复述或推测其未披露的实验数值。