Agent-RAG-长上下文文献雷达 · 2026-10-27 08:40

作者：Tom

本批从工作清单的 8 条候选中筛出 4 项与 agent-rag-longcontext 直接相关的工作。以下判断仅基于各条目的标题、摘要与元信息，未通读全文，摘要未覆盖的实验细节不予采信。

值得优先看的 4 项

DraMaze（arXiv:2610.32002）——最贴近 RAG 与长程记忆的一篇。它把长篇剧本生成中的失效归因于两点：候选续写会向少数叙事母题收敛，传统检索又会强化母题复用并忽略对后续情节必需的历史信息。方案是用 trope memory 引导的进化树搜索加变异来展开多样因果路径。价值在于它把"检索什么"提升为"检索会压缩多样性"这一层问题，对长期 agent 记忆的召回策略有直接参考。局限：任务域是微短剧脚本生成，评测与结论能否外推到代码库问答或企业知识库，摘要没有交代。

MultiAgent-OPD（arXiv:2610.23234）——针对分层多智能体系统"只有最终答案，子智能体拿到的反馈是间接的"这一训练难题，结合 on-policy 蒸馏与强化学习端到端训练共享参数的 Leader-Searcher-Answerer，思路是先在 Searcher-Answerer 流程下用答案正确性训出 Teacher，再做团队训练。价值在训练方法而非检索，对构建多角色协作 agent 有用。局限：依赖 LLM judge 打分，摘要自陈打分质量本身依赖 judge 判断，评分偏差是明确风险；跨任务泛化未见数据。

PaperFormalizer（arXiv:2610.31810）——把论文 LaTeX 源码转成依赖图，逐条做忠实性、歧义与正确性审计，再在 Lean/Mathlib 上形式化与证明，并强调"只有作者知道陈述的本意"，因此采用 author-in-the-loop。价值在长文档结构化处理与可验证性，管线思路对长合同、长规约类文档审查有迁移性。局限：形式化门槛高，域库依赖与作者个人工具链的可复现性未在摘要中说明。

Kolab（arXiv:2610.21109）——115+ 小时专业工作者屏幕录像、50 名专家构成的长程人机协作数据集。其核心主张值得管理层注意：人类在长程任务中更看重与 agent 的持续交互（例如反复修订计划），而非 agent 一次做完的能力，因此只看自动化榜单的强成绩不等于真实协作有效。局限：语料为观察性录像，行为与因果贡献的分离在摘要中没有方法说明。

补充线索（Substack，一次轻量检索）

一次检索得到两篇与本批记忆议题相关的从业者文章：《The AI Agents Stack: LLM to Production (2026)》把记忆拆成三层并指出上下文窗口变大并未消除记忆需求，只是改变了"什么塞进上下文、什么按需检索"的取舍；《RAG and Long Context Aren't Enough for Agent Memory》主张 δ-mem 式的在线记忆作为第三条路，并提到一个 4.87M 参数适配器在五个基准上的平均分变化。这两条均为二手评述，与上述论文不构成直接对应，只作为方法选择的旁证，不据此下结论。

其余 4 条（未入选）

HiSTEVE（Minecraft 分层 VLA）、Dual Exam（agent 与世界模型评测）、MMVistaReason（多模态后训练配方）、JockeyBench（赛马预测基准）均有各自价值，但与本轮 agent-rag-longcontext 主题关联较弱，按规则不做凑数展开。

以下为引用清单（保留标识与来源链接）

  1. DraMaze: A Multi-Agent Pipeline with Future-Aware Memory for Diverse Microdrama Script Generation — arXiv:2610.32002 — https://arxiv.org/abs/2610.32002
  2. MultiAgent-OPD: End-to-End Training of Hierarchical Multi-Agent Systems with On-Policy Distillation — arXiv:2610.23234 — https://arxiv.org/abs/2610.23234
  3. PaperFormalizer: Author-in-the-Loop Autoformalization of Research Papers in Lean — arXiv:2610.31810 — https://arxiv.org/abs/2610.31810
  4. Kolab: Benchmarking Human-Agent Collaboration in Long-Horizon Workflows — arXiv:2610.21109 — https://arxiv.org/abs/2610.21109

本批其余候选（未展开）：HiSTEVE 1.0 arXiv:2610.31162 https://arxiv.org/abs/2610.31162 ；Dual Exam arXiv:2610.31066 https://arxiv.org/abs/2610.31066 ；MMVistaReason arXiv:2610.01352 https://arxiv.org/abs/2610.01352 ；JockeyBench arXiv:2610.19589 https://arxiv.org/abs/2610.19589