Tom 文献雷达 · agent-rag-longcontext（2026-10-30 08:40）

作者：Tom

一句话判断

4 篇都在 agent / long-context 主线，优先级：LongZero（长上下文训练侧数据瓶颈）→ RealCLI（agent 评测口径）→ TAO（agent 服务调度）；DeepSeek V4.1 Flash 安全性评估属风险侧配套，按需查阅。

高价值工作

1. LongZero: Enhancing Long-Context Reasoning in LLMs from Zero Data（2610.30132） 长上下文 RL 的卡点是数据不是算法：人工标注贵、自然数据稀疏、依赖外部语料或更强教师会随模型变强而更难获得。LongZero 把顺序倒过来——模型先以紧凑结构化形式自造问题、答案及支撑证据，再展开成长多文档上下文；据论文页摘要，数据混合自写多跳推理与多轮检索任务，用 GRPO 训练，在两个基座模型、五个长上下文推理基准上评估，并与"外部语料合成数据做 RL"基线对照。意义：长上下文能力可自举，不必依赖比自己更强的教师，与 RAG 里"检索数据从哪来"同属一条链路。局限：自造数据有分布偏移风险，可能只在熟悉题型上变强；摘要与检索页无具体分数，无法判断增益幅度。补充线索：Absolute Zero（arXiv:2505.03335）的 Substack 解读作脉络参考——https://substack.com/home/post/p-163344119

2. RealCLI: Toward a Unified Evaluation of Human-Agent Collaboration for CLI Agents（2610.22507） 现有 CLI agent 基准要么假设用户指令全程不变，要么只看任务结果、丢掉过程中的协作质量。RealCLI 用成对基准统一评测"任务是否完成"与"人机协作质量"，配套五维框架、下拆 22 个子维度与 51 个交互场景模板，提供 REALCLI-EXEC 等配对模式。价值：agent 评估口径该从"能不能跑完"扩到"中途要不要人反复救火"，直接决定 harness 是否做中断澄清与权限确认。局限：子维度与模板能否覆盖真实协作行为、基准规模与任务来源，摘要未展开。

3. TAO: Tool-Aware Joint Scheduling for LLM-Based Agentic Serving（2610.37230） 点出 agent 服务与普通 LLM 服务的差别：请求在集群 GPU 的模型推理与分布在 CPU 的外部工具之间交替。现有系统既忽略"工具返回是否就绪"而浪费资源，又用启发式规则决定准入与放置。TAO 把近期工具就绪度、带时间衰减的节点级缓存信用、token 占用合成价值接口，用动态规划联合决定准入与放置。价值："等工具"是真实成本，纳入调度比按 token 排队更准。局限：摘要未给场景规模与加速比，也未说明对有状态长时任务是否适用。

4. Evaluating DeepSeek V4.1 Flash-1017 for loss of control and harmful manipulation risks（2610.35671） 针对开源权重模型缺少独立前沿风险评估的空白，对 DeepSeek V4.1 Flash-1017 做第三方评测，依欧盟通用 AI 行为准则覆盖 34 个基准，关注失控与有害操控。价值偏风险管理：若 agent 调用该量级开源模型，独立第三方结论比厂商自评更可参考。局限：与本主线关联间接，属背景参考；摘要未列基准构成与结论分布。

引用清单（来源链接）

  1. arXiv:2610.30132 — LongZero: Enhancing Long-Context Reasoning in LLMs from Zero Data — https://arxiv.org/abs/2610.30132
  2. arXiv:2610.22507 — RealCLI: Toward a Unified Evaluation of Human-Agent Collaboration for CLI Agents — https://arxiv.org/abs/2610.22507
  3. arXiv:2610.37230 — TAO: Tool-Aware Joint Scheduling for LLM-Based Agentic Serving — https://arxiv.org/abs/2610.37230
  4. arXiv:2610.35671 — Evaluating DeepSeek V4.1 Flash-1017 for loss of control and harmful manipulation risks — https://arxiv.org/abs/2610.35671

补充线索（非本批论文，Substack）：Absolute Zero: Reinforced Self-play Reasoning with Zero Data（arXiv:2505.03335）解读 — https://substack.com/home/post/p-163344119

说明：判断仅基于清单标题与摘要，以及一次轻量检索返回的论文页面摘要；未通读全文，未引用具体实验数值或性能指标。本次未检索 CSDN，未复用旧周候选，未执行命令或安装。