arXiv 论文信号｜2026-09-24

今日值得读论文信号

主列表只保留今天真正值得花时间读的论文，把判断、中文解读和产品启发压在同一条阅读路径里。

2026-09-24

01 priority

Agent

它有什么用 用来提升 Agent 长任务中的记忆、上下文和状态管理能力。

cs.AI Product Signal

DTOC: Dynamic Tool Output Compression for Adaptive Context Management in AI Agents

中文这篇主要讨论记忆、上下文或检索机制，重点是长期任务里的状态管理。

为什么值得读

不要只把它理解成更好的 RAG；更重要的是它如何保存、压缩、调用和更新长期任务状态。

查看判断依据Signal 85

DTOC: Dynamic Tool Output Compression for Adaptive Context Management in AI Agents 的核心信号是 Agent 能力正在系统化，而不是停留在单次任务表现。

命中高价值主题: agent; 评分证据: reelos_relevance, product_transfer, technical_novelty, evidence_quality

agent

02 priority

具身智能多模态

它有什么用 用来连接视觉理解与动作执行，支持机器人和具身 Agent。

cs.RO Research Signal

VLAQuantBench: Closed-Loop Evaluation of Post-Training Quantization for Vision-Language-Action Models

中文这篇主要是在定义一个新的评测场景，用来判断 Agent 或模型是否真的能完成真实任务。

为什么值得读

这类论文的重点通常不是榜单名次，而是它把什么真实任务定义成了可复现、可比较、可失败复盘的测试场。

查看判断依据Signal 76

VLAQuantBench: Closed-Loop Evaluation of Post-Training Quantization for Vision-Language-Action Models 说明多模态系统正在靠近可操作的世界模型。

命中高价值主题: multimodal_video; 评分证据: reelos_relevance, product_transfer, technical_novelty, evidence_quality, content_value

multimodal video

03 priority

模型与系统评测与架构

它有什么用 用来提升 Agent 长任务中的记忆、上下文和状态管理能力。

cs.CL Infra Signal

Re:CAP - Auditing Retrieval Coverage in Production RAG Pipelines

中文这篇主要讨论记忆、上下文或检索机制，重点是长期任务里的状态管理。

为什么值得读

不要只把它理解成更好的 RAG；更重要的是它如何保存、压缩、调用和更新长期任务状态。

查看判断依据Signal 71

Re:CAP - Auditing Retrieval Coverage in Production RAG Pipelines 的价值在于提供了可迁移的系统或评测结构。

命中高价值主题: product_architecture; 评分证据: reelos_relevance, product_transfer, technical_novelty, evidence_quality

product architecture

备选论文池

这里是次优先级索引区，不和主信号区抢版面，只承担补充检索和后续人工复核功能。

7 papers

论文	领域	分数	原因
RecreationWorld: Scalable and Verifiable Environments for Hybrid Computer-Use Agents 这篇主要关注模型如何操作真实界面，适合从 GUI Agent 和 Computer-use 产品角度阅读。	GUI Agent	77	接近主信号：用来让 Agent 看懂并操作电脑或手机界面，减少长流程中的偏航。
MedVLA: A Hierarchical Vision-Language-Action Framework for Closed-Loop Precision Medical Robot Manipulation 这篇主要面向多模态、空间理解或具身任务，适合关注世界模型和可执行动作链。	医疗 AI	74	接近主信号：用来整合医疗影像与临床信息，辅助医学理解、解释和评估。
DolphinBench: Mapping the Pareto Frontier of Agent Memory 这篇主要讨论记忆、上下文或检索机制，重点是长期任务里的状态管理。	Agent 评测	73	接近主信号：用来提升 Agent 长任务中的记忆、上下文和状态管理能力。
Agent Memory: Characterization and System Implications of Stateful Long-Horizon Workloads 这篇主要讨论记忆、上下文或检索机制，重点是长期任务里的状态管理。	Agent	72	接近主信号：用来提升 Agent 长任务中的记忆、上下文和状态管理能力。
SWE-Serve: Benchmarking Agentic Engineering For Production Inference Serving 这篇主要面向软件工程 Agent，关注代码、测试、调试或仓库级工作流。	Coding Agent	72	接近主信号：用来构建能在真实代码仓库里测试、调试和修复的 Coding Agent。
BVB: Benchmarking Agentic Video Understanding via Programmatic Reconstruction in Blender 这篇论文需要先从标题和摘要判断它对应的任务场景、系统结构和产品迁移价值。	多模态	72	接近主信号：用来评测 Agent 或模型在真实任务中的完成度、稳定性和可靠性。
GroupTravelBench: Benchmarking LLM Agents on Multi-Person Travel Planning 这篇论文需要先从标题和摘要判断它对应的任务场景、系统结构和产品迁移价值。	Agent 评测	71	接近主信号：用来评测 Agent 或模型在真实任务中的完成度、稳定性和可靠性。