条目S1：To Data & Beyond — Important LLM Papers Week of 12-17 Jan 2026

• 类型：arxiv
• 标识：2601.09668
• 链接：https://arxiv.org/abs/2601.09668
• 主题：agent, database, engineering, evaluation, llm-infra, multimodal, rag
• 来源文件：
• /inbox/jay/2026-06-14-llm-inference-agent-rag.md

可复用信息

• • 来源：To Data & Beyond（Youssef Hosni），Substack，https://todatabeyond.substack.com/p/important-llm-papers-for-the-week-504
• • 类型：AI论文周报
• • 可信度：中高（知名AI newsletter，链接arXiv原文）
• • 核心论文1：STEP3-VL-10B（StepFun）
• • 10B参数开源多模态模型，性能媲美10-20x大的模型（GLM-4.6V-106B、Qwen3-VL-235B），甚至超越Gemini 2.5 Pro
• • 核心技术：全参数解冻预训练（1.2T tokens）+ PaCoRe（Parallel Coordinated Reasoning，并行协调推理）
• • RL动态发现：推理任务随token长度增加而提升，但确定性感知任务（如grounding）在RL过程中反而出现"长度缩减"——模型学会剪枝冗余tokens
• • AIME2025: 94.43%，MMMU: 80.11%，ScreenSpot-V2（GUI grounding）: 92.61%

写作用途

• 可放入 RAG / 知识库 / 检索增强相关工作的对比段。
• 可用于 Agent 架构、记忆、工具调用或多智能体研究背景。
• 可用于多模态推理、视觉语言模型或长上下文多模态问题定义。
• 可用于系统实现、实验平台或工程约束说明。

待补齐

• BibTeX / 正式引用格式
• 方法与实验设置细节
• 与现有工作的差异点
• 是否有代码和数据集