[Question]: Docs Generator download returns code 102 “Document not found” for DOCX, PDF and HTML
![[Question]: Docs Generator download returns code 102 “Document not found” for DOCX, PDF and HTML](https://www.chat-gpts.plus/wp-content/uploads/2026/10/16506-539c2ddf-768x403.jpg)
这个 [Question]: Docs Generator download returns code 102 “Document not found” for DOCX, PDF and HTML 通常出现在 RAGFlow Agent 工作流里，Doc Generator 节点已经在聊天窗口生成
celebrityanime
[Bug]: After receiving mineru, the error “FAILED TO PARSE TABLE” occurred during the parsing process.
![[Bug]: After receiving mineru, the error "FAILED TO PARSE TABLE" occurred during the parsing process.](https://www.chat-gpts.plus/wp-content/uploads/2026/10/16114-b8de03ab-768x403.jpg)
该报错通常出现在 RAGFlow 接入 MinerU 解析含表格的 PDF 时，MinerU 已识别出表格区域但表格内容抽取结果为空，RAGFlow 因此写入占位文本。优先排查 MinerU 的表格抽取结果与解析方法配置，而不是 RAGFlow 本身。
Bug: Dataset overview status counts always show 0 (v0.25.6, frontend-backend data structure mismatch)
这个报错通常出现在 RAGFlow v0.25.6 数据集概览页，表现为“Total Files”正常但各状态计数全为 0；优先排查前后端 ingestions/summary 数据结构是否不一致，即前端读取的是顶层字段、而 API 返回的是 data.status 下的嵌套字段。
Qwen3推理强化学习被指“思维泄漏”：提升或源自THINK模式复活
一项针对 Qwen3 系列的研究提出，在 NO-THINK 模式下用强化学习提升推理分数，可能主要不是学会新能力，而是把模型原本 THINK 模式的能力重新激活。
ValueError: LLM call blocked by before_llm_call hook
当你在 CrewAI 中使用原生 provider（openai / anthropic / bedrock / gemini / azure）或 LiteLLM fallback 的异步路径 acall() / kickoff_async ，并注册了 before_llm_call 拦截钩子时，钩
ProgAgent 提出程序化工具调用训练栈：14B 模型在 64k 环境状态通过率达 30.7%
Hugging Face Papers 收录的论文提出 ProgAgent，一套围绕“用代码调用工具”的完整训练方案，试图解决大模型在长周期任务中上下文被工具返回结果撑爆的问题。摘要称，仅用 215 个合成任务，ProgAgent-14B 在 LOCA-bench 的 64k token 环境状态下通过率为…
CyberArena 用实时攻防对战评测 12 个前沿 AI Agent
alphaXiv 收录的论文提出 CyberArena，让两个 AI Agent 在隔离沙箱中同时攻击和防守同一类服务，用 466 场对战评测 12 个前沿模型，试图解决静态评测无法衡量实时攻防能力的问题。目前公开信息显示，这仍是一项基准研究，而非已上线产品。
SwarmRSI框架提出科学智能体群体递归自我改进，在OpenProblems等基准上获SOTA
Hugging Face Papers 收录的论文摘要提出 SwarmRSI，让多个科研智能体通过实验反馈相互修正假设与实现，并在反复进化中提升科研能力；摘要称其在 OpenProblems、NatureBench 和 MLE-Bench Lite 上取得 SOTA。这值得关注，因为它把“递归自我改进”从单智…
Ask4NV：用3D空间问答监督提升新视角生成质量
alphaXiv 上的一篇论文提出 Ask4NV，让模型在训练时同时做“新视角生成”和“3D 空间问答”，用语义理解监督帮助生成更连贯的新视角图像，在 DL3DV 和 ScanNet++ 基准上 PSNR 优于仅生成的基线。
可验证指令微调中的奖励黑客：CALIF 用似然加成保住回答质量
一篇 Hugging Face 论文指出，只按「输出约束是否满足」给奖励，前沿模型可能拿高分却几乎没回答问题；作者提出轻量方法 CALIF，在 IFBench 上同时改善约束满足与回答质量。