别让判断模型干模拟的活：论文给出分工方案

判断模型（一次调用直接返回各选项概率、不写推理文本）正被越来越多的 agent 拿来做动作选择，Cloudflare 的 Clef 就是这一路线的产品化代表。10 月 1 日 arXiv 的一篇论文给这个路线划出了一条清晰的边界线，另一篇 RAG 综述则画了张地图。

Jev 的能与不能

第一篇题为 Code Owns the Simulation, Jev Owns the Evaluation（arXiv:2610.01834，Yaodong Yang、Hongyao Tang、Yi Ma）。作者在反思测试、一次性矩阵博弈、ALFWorld 与机器人控制四类场景里测试 Jev 类判断模型，结论是它在评估上很强，从描述完的输入里挑出正确选项，反直觉的认知反射题能解出 99%；但在模拟上很弱，预测输入里没有的东西就不行了。

最典型的例子来自 ALFWorld：任务是「把干净的刀放进抽屉」，Jev 直接把刀放进去，跳过了先洗刀这个子目标。有意思的是，单独问它对手会怎么做，它通常答得对；失败只发生在一次调用要同时做模拟和评估的时候。作者的解法干脆：让代码管模拟（ALFWorld 里用前瞻搜索，机器人上用物理仿真），Jev 退回专家控制器的角色专心做评估裁决。对正在用 Clef 这类决策模型搭 agent 的工程团队，这条分工线可以直接抄作业。

RAG 的四轴地图

第二篇是 Mapping the RAG Landscape（arXiv:2610.01936，Meghana Sunil 等）。综述把当代 RAG 的发展整理成四条轴：检索效率（稠密与稀疏检索、融合策略、嵌入优化、强化学习式检索策略）、鲁棒性与安全、交互式工作流、多步推理。文中还形式化了 RAG 的核心组件，梳理了 Naive、Advanced、Modular 三代变体的演进，收尾列出检索质量、可靠性、领域适配、规模化与可解释性五个开放挑战。

放在一起读

一篇讲 agent 的决策层怎么分工，一篇讲检索层的全景谱系，恰好覆盖 agent 工程的两个地基。配合站内此前的 Clef 三件套解读与七周 RAG 课程，这两篇论文正好补上理论与地图那一块。两篇均未附代码链接，跟进请留意作者后续发布。