- 1. Context Language Models · 📖 深度解读
模型把实时上下文视为可编辑文件，按任务进展删除、改写或外存证据，并通过强化学习学习管理策略。BrowseComp-Plus 上准确率达到 59.4%，相对最强摘要基线提升 11.4%，前缀复用计算量减少 21.5%；训练后的 9B 模型从 28.8% 提升至 42.5%。
出现于日报：10-01
- 2. Component-Aware Feedback for Self-Evolving Programs
该研究针对自演化程序只记录总分、难以定位有效修改的问题，比较子程序与父程序的组件变化，并保存局部及相对初始程序的指标差值。在 12 个 BRIGHT 数据集上，用中位数约三分之一搜索预算达到最强基线最终质量，最终留出集 nDCG@10 高 7.2%，成本约束下每查询 token 减少 11%。
出现于日报：10-02
- 3. Post-Generation Verification Dominates Retrieval Optimization: A 2^4 Factorial Ablation of RAG Pipeline Features
论文把章节扩展、Agent 搜索、完整性检查和目录引导检索做成 2⁴ 全因子实验：16 种配置、24 个问题、两类模型，共 768 个条件。生成后完整性检查的效应量为 +0.48，单独启用得到 4.31/5，超过未启用检查的三功能组合 4.11；目录检索增益为 +0.22。
出现于日报：09-30
- 4. Relevance Is Not Sufficient Evidence: Detecting Evidence Gaps Before Generation in RAG
论文指出相关文段可能只提到正确实体，却没有回答所需事实；在证据不足的问题上，12 个生成器仍有 40.0%–99.3% 会给出答案。作者用替换、删除和问题交换构造成对测试，在生成前仅根据问题和证据判断支持是否充分，避免把弃答能力绑在生成模型权重上。
出现于日报：09-30
- 5. Follow the Entities: A Corpus Map for Agentic Search
论文针对多文档证据分散问题提出 CorpusMap，把语料中反复出现的实体组织成导航层，让搜索 Agent 从一篇文档沿实体关系找到互补材料。它避免每轮都在平铺文件集合中重新发现关联，目标是减少漏证与重复检索；当前候选摘要未提供可核对的量化结果。
出现于日报：09-30
- 6. Mnemon: Raw Records, Fast Judgments, Slow Thoughts
Mnemon 保留带日期的原始记录，让大模型规划检索、Jev 决策模型批量判断相关性，再用明确预算组装回答上下文。使用 gpt-4.1-mini 时，LoCoMo 准确率为 91.7%、LongMemEval-S 为 83.8%，每题上下文不到 4K tokens；历史从 100K 增至 10M tokens 时，每题成本仅增长 1.11 倍。
出现于日报：10-01
- 7. DAGent: Evaluate-then-Grow Planning for Deep Research Agents
DAGent 将深度研究规划从先建完整任务图再修补，改为依据已完成节点的置信度和不确定性逐批扩展；层次上下文默认传递紧凑 QueryDocs，并按需回看轨迹。Qwen3-235B-A22B 在 BrowseComp-Plus、GAIA、xbench-DeepSearch 上领先最强开源基线 5.3、5.8、2.0 点，8B 的 DAGRPO 比等预算 GRPO 高 3.0 点平均 Pass@1。
出现于日报：10-02
- 8. PatchHolmes: Agentic Patch Retrieval via Listwise Selection
PatchHolmes 用混合检索获得候选，再让代理按列表整体比较 top-100，通过四类有预算工具选择性读取 3–10 个提交。GitHubAD 上 Recall@1 比 Favia 高 25.34%、比 IRCoT 高 31.40%；迁移至 PatchFinder_top10 后从 24.28% 提升到 39.86%，每个漏洞只需一次代理对话，模型无需微调。
出现于日报：10-02
- 9. Socrates-RAG: Premise-Directed Inquiry against Coordinated Evidence Poisoning
Socrates-RAG 面对协同证据投毒，不只筛选初始检索集，而是维护相互竞争的答案，找出能区分它们的待验证前提，再用新增证据改写下一次查询。论文采用有限检索预算，并与普通相关性查询共享初始证据及两次查询、每次前三条结果的预算；候选摘要未给出最终准确率。
出现于日报：09-30
- 10. MemLife: Curating and Reasoning over Long-Term Egocentric Video Memories
MemLife 针对长期第一视角视频反复处理成本与记忆检索竞争，生成实体锚定的文本事件，再由时间索引代理读取。在四个长程基准上，无训练且查询时不访问视频的版本比最强免训练基线高 4.6%–12.0%；MemOpt 用强化学习优化记忆写入，再提升 2.7%–5.0%，并跨写入器、读取器及记忆系统泛化。
出现于日报：10-02