提升 RAG 检索和知识库问答可靠性、提升代码生成、执行反馈和自动修复能力、让 Agent 更可靠地调用工具和复用技能
今天主要跟进：提升 RAG 检索和知识库问答可靠性、提升代码生成、执行反馈和自动修复能力、让 Agent 更可靠地调用工具和复用技能。
本期从 2026-09-24 论文源抓取并去重 497 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：提升 RAG 检索和知识库问答可靠性、提升代码生成、执行反馈和自动修复能力、让 Agent 更可靠地调用工具和复用技能。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
提升 RAG 检索和知识库问答可靠性
中文标题超越平均安全性：机会受限的LLM微调
信号显示在新目标上微调大语言模型可以提高有用性、指导跟踪或特定领域的表现，但也可能导致安全关键提示的回归
关键词ragservingsafetyfine-tuning
代码/数据需查看原文确认
提升代码生成、执行反馈和自动修复能力
中文标题ENDOPROMPT：Victim-Side Pseudo-References 面向 Utility Degradation
信号显示及时注射可以降低良性任务性能，而不会引发有害内容
关键词deploymentbenchmarkcodesearch
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PUBG盟友：作为AI队友的对话式体验代理
信号显示我们推出了《绝地求生》盟友，这是《绝地求生：战场》的具体代理，可以推理、自主行动，并作为语音支持的队友与玩家一起玩耍
关键词agenttool uselatencycompression
代码/数据需查看原文确认
识别并缓解模型安全、越狱和对齐风险
中文标题幻觉神经元以及在哪里找到它们：对幻觉神经元存在的调查
信号显示大语言模型（ LLM ）的可解释机器学习越来越依赖于稀疏探测方法，该方法识别声称检测并因果影响行为（如事实回忆、安全对齐和幻觉）的小型神经元集合
关键词alignmentsafetyevaluationopen-source
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TopU-LBVS：A Realistic Multi Target 基准 面向 Ligand Based Virtual Screening
信号显示基于配体的虚拟筛查（ LBVS ）是早期药物发现中的实用首选工具，但现有基准可能会通过随机阴性、易诱饵、有限的目标覆盖和非标准化评估方案来高估性能
关键词ragevaluationbenchmarkcode
代码/数据需查看原文确认
提升模型推理、规划和验证能力
中文标题C3M ：用于长时间任务的跨会话多模态内存维护
信号显示长期任务需要在有限的、查询盲记忆预算下保留并稍后恢复跨会话证据
关键词servingcompressioncodemultimodal
代码/数据需查看原文确认
其他值得关注
Dense Coverage, Sparse Refinement: Byte-Constrained Cooperative Perception
中文标题密集覆盖，稀疏细化：字节约束协作感知
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。
A Systematic Multi-Domain Evaluation of Document Retrievers
中文标题文档检索器的系统化多域评估
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。
Demystifying Agent Skills for Smart Contract Auditing: Design, Effectiveness, Behavioral Impact
中文标题Demystifying Agent Skills 面向 Smart Contract Auditing：Design，Effectiveness，Behavioral Impact
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。
An auditable conditional-strategy framework for open-ended decision-making in complex lung cancer
中文标题复杂肺癌开放式决策的可审计条件-战略框架
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。
Learning a Flow to Self-Supervised Representations
中文标题学习自我监督表示流程
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。
SkinAgent AI: A Safety-Grounded Multimodal Agentic Framework for Non-Diagnostic Skincare Support
中文标题SkinAgent AI：A Safety-Grounded Multimodal Agentic 框架 面向 Non-Diagnostic Skincare Support
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。
AEGIS: Audio Endogenous Guarding via Internal Signals Against Large Audio-Language Model Jailbreaks
中文标题AEGIS ：通过内部信号进行音频内生防护，防止大型音频语言模型越狱
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。
From Text Decisions to Pixels: An Study of Jev-Style Visual Choice Model
中文标题来自 Text Decisions to Pixels：An Study of Jev-Style Visual Choice Model
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。
ComplexSync: High-Fidelity and Real-Time Lip Sync in Complex Scenarios
中文标题ComplexSync：High-Fidelity 与 Real-Time Lip Sync in Complex Scenarios
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IndicBankBench：Evaluating Safety 与 Reliability of Language Model Assistants in Indian Retail Banking
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。
中文标题Med-AR：Autoregressive Vision-Language Pretraining 面向 Long-Tailed Chest X-Ray Classification 与 Uncertainty-Aware 评测
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。
Scope Before You Persist: Preventing Cross-Family Interference in Agent Memory
中文标题坚持之前的范围：防止座席记忆中的跨家族干扰
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FoCal：Frequency-Oriented Cross-Modal Interaction 与 Spectral Calibration 面向 Aerial Visible-Infrared Object Detection
关注理由涉及推理与规划中的新任务、数据或系统线索，可作为后续跟进清单的一部分。
TRACE: Interactive Bi-Directional Tracing of Monochrome Cables Amid Clutter
中文标题TRACE ：杂乱中单色电缆的交互式双向跟踪
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。
ELF-REG: Scaling Continuous Diffusion Language Models to Reasoning Tasks
中文标题ELF-REG ：将连续扩散语言模型扩展到推理任务
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。
RGBD20K: A Large-Scale Benchmark for RGB-D Semantic Segmentation
中文标题RGBD20K：A Large-Scale 基准 面向 RGB-D Semantic Segmentation
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。
Polite but Misaligned: Evaluating LLM Politeness Judgments Against Human Pragmatic Norms
中文标题礼貌但不一致：根据人类务实规范评估法学硕士的礼貌判断
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Calibrated Decision Models 面向 Autonomous Penetration-Testing Harnesses：JEV 与 Laya as System One Decision Layers 面向 LLM-Driven Pentest Agents
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。
LLM Agents Can Easily Tamper With Their Own Traces
中文标题法学硕士经纪人可以轻松篡改自己的痕迹
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。
Smartphone-Based Method for Automated Speed Enforcement
中文标题基于智能手机的自动速度执行方法
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。
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。