让 Agent 更可靠地调用工具和复用技能、提升 RAG 检索和知识库问答可靠性
今天主要跟进：让 Agent 更可靠地调用工具和复用技能、提升 RAG 检索和知识库问答可靠性、提升 RAG 检索和知识库问答可靠性。
本期从 2026-09-03 论文源抓取并去重 405 篇候选论文，筛选 6 篇重点论文与 20 篇补充关注。
本期重点
今天最值得跟进的方向
今天的高分论文主要指向：让 Agent 更可靠地调用工具和复用技能、提升 RAG 检索和知识库问答可靠性、提升 RAG 检索和知识库问答可靠性。下面按核心问题、方法线索、主要论点和关键词整理，便于快速判断后续跟进价值。
重点论文：核心问题、方法线索与关键词
让 Agent 更可靠地调用工具和复用技能
中文标题两个真相和一个谎言？对现成的LLM进行基准测试，以进行要求质量评估：绩效、误报和漏报
信号显示需求工程（ RE ）管理系统工程（ SE ）中下游所有内容的质量；在审核周期中存活的缺陷需求会蔓延到设计返工、进度延迟和成本超支
关键词agentevaluationbenchmarkeval
代码/数据需查看原文确认
提升 RAG 检索和知识库问答可靠性
中文标题合成前观察： VLM引导的过渡事件发现，用于弱监督密集视频字幕
信号显示弱监督密集视频字幕旨在对未修剪视频中的多个事件进行本地化和描述，每个视频只提供有序的事件级字幕集
关键词ragalignmentvision-languagevideo
代码/数据需查看原文确认
提升 RAG 检索和知识库问答可靠性
中文标题重新思考大型语言模型的政策性提炼II ：一个培训示例
信号显示随机蒸馏（ OPD ）将学生生成的推出与教师的密集令牌级监督相结合
关键词ragalignmentpost-trainingtraining
代码/数据需查看原文确认
让 Agent 更可靠地调用工具和复用技能
中文标题SENTINEL-RL ：从安全运营中心的LLM代理卸载拓扑推理
信号显示大语言模型（ LLM ）代理越来越多地被提议作为自主SOC分析师，但有两个限制使它们在企业规模上不可靠：有限的上下文窗口无法容纳多千主机身份验证图，以及自由形式生成报价
关键词agentdeploymentcodedata
代码/数据需查看原文确认
让 Agent 更可靠地调用工具和复用技能
中文标题硬件感知FP4 FlashAttention-4
信号显示Blackwell的4位浮点（ FP4 ）张量核不会自动更快地引起注意，因为一旦其矩阵产品收缩， softmax转换和片上依赖性就会占主导地位
关键词inferencethroughputquantizationsystems
代码/数据需查看原文确认
让 Agent 更可靠地调用工具和复用技能
中文标题盲目信任，血腥推力：当攻击者控制的钩子更新时，引导AI Agent利用恶意行为
信号显示现代AI代理利用暴露生命周期钩子，将shell命令绑定到运行时事件，如会话启动、工具调用和文件编辑
关键词agentopen-sourcetoolagents
代码/数据需查看原文确认
其他值得关注
The Shape of Time: Video-Token Contrast for Temporal Understanding in VideoLMs
中文标题Shape of Time：Video-Token Contrast 面向 Temporal Understanding in VideoLMs
关注理由涉及视频生成中的新任务、数据或系统线索，可作为后续跟进清单的一部分。
Compressing Streaming Neural Audio Encoders via Latent-Space Distillation
中文标题通过潜在空间蒸馏压缩流式神经音频编码器
关注理由涉及训练与后训练中的新任务、数据或系统线索，可作为后续跟进清单的一部分。
Subspace Inference Enables Efficient Active Reward Learning from Preferences
中文标题子空间推理可实现从偏好中进行有效的主动奖励学习
关注理由涉及推理成本、延迟、吞吐和部署约束，可补充系统优化方向。
中文标题InSituMeasure ：使用多模式大型语言模型探测工业场景中的位置测量接地
关注理由涉及任务设置、指标和失效案例，可补充模型评测与回归测试。
Fairness Evaluation of Edge-AI Implementation for Cleft Lip and Palate Speech ASR
中文标题Fairness 评测 of Edge-AI Implementation 面向 Cleft Lip 与 Palate Speech ASR
关注理由涉及任务设置、指标和失效案例，可补充模型评测与回归测试。
RARF: Region-Aware Rectified Flows for 3D Brain MRI Inpainting
中文标题RARF：Region-Aware Rectified Flows 面向 3D Brain MRI Inpainting
关注理由涉及任务设置、指标和失效案例，可补充模型评测与回归测试。
RealCADBench: Benchmarking Parametric CAD Modeling from Industrial Design Intents
中文标题RealCADBench：基准ing Parametric CAD Modeling 来自 Industrial Design Intents
关注理由涉及工具调用、执行反馈和可复用能力，可作为 Agent 工作流可靠性的补充线索。
MINERVA: How Small Can a Manipulation Policy Be and Still Solve LIBERO?
中文标题MINERVA：How Small Can a Manipulation Policy Be 与 Still Solve LIBERO?
关注理由涉及检索、知识库问答与证据可靠性，可作为 RAG 评测和企业知识系统的补充线索。
Counterfactual Routing Using Integer Programming with Constraint Generation
中文标题使用带约束生成的整数规划的反事实路由
关注理由涉及检索、知识库问答与证据可靠性，可作为 RAG 评测和企业知识系统的补充线索。
SignSeek: Learning Transferable Representations for Sign Dictionary Retrieval
中文标题SignSeek：Learning Transferable Representations 面向 Sign Dictionary Retrieval
关注理由涉及检索、知识库问答与证据可靠性，可作为 RAG 评测和企业知识系统的补充线索。
CoFiE: Coarse-to-Fine Evidence Selection for Efficient Streaming Video Understanding
中文标题CoFiE：Coarse-to-Fine Evidence Selection 面向 Efficient Streaming Video Understanding
关注理由涉及推理成本、延迟、吞吐和部署约束，可补充系统优化方向。
Toward Physically Grounded JEPA World Models for Goal-Conditioned Robotic Planning
中文标题面向 Physically Grounded JEPA 世界模型 面向 Goal-Conditioned Robotic Planning
关注理由涉及工具调用、执行反馈和可复用能力，可作为 Agent 工作流可靠性的补充线索。
中文标题NeoRed：A Knowledge-Logic-Alignment Multimodal Large Language Model 面向 Neonatal Respiratory Disease Diagnosis
关注理由涉及模型安全、护栏路由、风险分类或治理评测，可作为安全评测与治理工具链的补充线索。
What Matters for Aggressive Decoding-Time KV Eviction? Temporal Aggregation and Ranking Preservation
中文标题激进解码时间KV驱逐的重要性是什么？时间聚合和排名保存
关注理由涉及检索、知识库问答与证据可靠性，可作为 RAG 评测和企业知识系统的补充线索。
中文标题Lost in Reordering ：语义保留扰动下多语言LLM的结构敏感性
关注理由涉及推理成本、延迟、吞吐和部署约束，可补充系统优化方向。
Building and Evaluating Fixed-Voice Thai TTS from Synthetic Speech
中文标题Building 与 Evaluating Fixed-Voice Thai TTS 来自 Synthetic Speech
关注理由涉及检索、知识库问答与证据可靠性，可作为 RAG 评测和企业知识系统的补充线索。
Towards a Statistical Understanding of Mixture-of-Experts
中文标题对Mixture-of-Experts的统计理解
关注理由涉及任务设置、指标和失效案例，可补充模型评测与回归测试。
BRIDGE: An Open-Source Humanoid Platform via Morphology-Control Co-Design for Physical AI
中文标题BRIDGE：An Open-Source Humanoid 平台 via Morphology-Control Co-Design 面向 Physical AI
关注理由涉及检索、知识库问答与证据可靠性，可作为 RAG 评测和企业知识系统的补充线索。
GrowPage: On-Demand KV Budgeting for Efficient LLM Reasoning Serving
中文标题GrowPage：On-Demand KV Budgeting 面向 Efficient LLM Reasoning Serving
关注理由涉及推理成本、延迟、吞吐和部署约束，可补充系统优化方向。
When Retrieval Helps: Selective Retrieval for Single-Turn Mental-Health QA
中文标题检索帮助时：一次性心理健康QA的选择性检索
关注理由涉及检索、知识库问答与证据可靠性，可作为 RAG 评测和企业知识系统的补充线索。
阅读边界
- 自动排序会偏向有社区信号、代码信号和工程关键词的论文。
- 简报默认基于标题、摘要和公开元数据，不替代全文精读。
- 外部 API 限流或不可用时，相关信号会降级为空并在内部记录中保留说明。