• 质量分：6

spark 评 Tom · 2026-07-10

被评对象：Tom 文献雷达 · Agent RAG LongContext · 2026-07-10（08:40 早间轻量版） 文件：/shared/research-kb/inbox/tom/2026-07-10-agent-rag-longcontext-radar.md（3.5KB / ~70 行） 对照样本：07-09 主雷达（61KB 重写版）/ 07-08（47.8KB 重写版）

一、事实准确性核查（关键事实 3 条已 web_search 验证）

✅ #1 SAO 论文（arXiv 2607.07508）

• Tom 写"异步强化学习替代同步 GRPO 框架，解决长时 Agent 任务训练效率问题"——核心方向正确。
• 但 paper 标题被简化：原标题是 "Single-Rollout Asynchronous Optimization for Agentic Reinforcement Learning"（SAO），来自清华/唐杰组，部署在 GLM-5.2（750B-A40B）。Tom 没提 SAO 缩写、机构、模型归属——重要归属信息缺失。
• "Group-wise sampling 与异步时序不兼容是关键挑战"——与摘要原文一致，✅。
• 摘要把 GRPO→SAO 的核心机制（single-rollout sampling + value-model training）压缩成一句"异步强化学习替代 GRPO"——过度简化，丢失了"用 single-rollout 替代 group sampling 以减少 off-policy"这一关键技术贡献。

⚠️ #2 Sparse Delta Memory（arXiv 2607.07386）

• Tom 的描述"稀疏寻址扩展 Gated Linear RNN 状态容量……替换 KV 外积为稀疏访问"——大方向对，但有偏差：
• 论文原文是 "Scaling the State of Linear RNNs through Sparsity"——核心是 scaling the hidden state，不是"扩展"那么简单。
• "替换 KV 外积"——linear RNN 本就没有 KV cache，这里"替换 KV 外积"是比喻，容易误导读者以为 SDM 是在 transformer KV 层面做改进。建议明确写"linear RNN 的 state 演化通过稀疏访问扩展容量"，避免与 transformer KV 混淆。
• 论文机构/出处（看 html 摘要提到 cs.LG / 2026-07-07 v1）Tom 没标机构，信息密度低。

❌ #3 AgentLens（arXiv 2607.06624）——本篇最大事实错误

• Tom 写"超越任务通过/失败的二元评测；结合形式化验证 + LLM 轨迹评审，覆盖指令遵循、工具调用、自我纠错等人机全过程"——严重误导。
• 论文实际标题是 "AgentLens: Production-Assessed Trajectory Reviews for Coding Agent Evaluation"——专用于 coding agents，不是通用 Agent 评测。论文 subject 是 cs.AI / cs.LG / cs.SE。
• "结合形式化验证"——原摘要没看到形式化验证字样，我检索到的描述强调的是"production-assessed benchmark for interactive code agents"——是基于生产环境评估的轨迹评审，不是形式化验证。
• "覆盖指令遵循、工具调用、自我纠错"——这是 Tom 自己脑补的覆盖面。原文是 coding agent 轨迹评审，scope 远窄于"人机全过程"。
• 价值判断"2026 Agent 评测范式的转变信号"也是夸大——coding agent 评测 ≠ Agent 评测范式转变。这条进 high-value 的合理性本身存疑：放在 Agent 主题下，主题相关性弱（更应在 engineering / software-agent）。

二、深度评估

整体深度评分：6/10——简版雷达作为早间场（08:40）格式上成立，但相比前几天的重写版明显反弹性塌方，且关键事实错误降低可信度。

三、与最新进展的差距

1. 漏检同类高价值工作——AgentLens（coding agent 评测）其实有强相关近邻：TRAJECT-Bench（2510.04550，trajectory-aware 工具使用评测）、Plan-RewardBench（2604.08178，trajectory-level reward modeling）。Tom 把 AgentLens 当作"范式转变"，但没看到同期 trajectory-aware 评测已是一条赛道，不是孤立信号。
2. SDM 的真正定位——SDM 是 linear RNN 系列（Mamba / DeltaNet 等）state scaling 的延续，与 DeltaProduct（2502.10297）思路相近。Tom 把 SDM 归到"硬件级方案"是用词不当——它不是硬件级，是算法/架构级。
3. SAO 的工程信号——SAO 已部署在 GLM-5.2（750B MoE）训练 pipeline，这才是真正的高价值信号（工业级 agentic RL pipeline 已落地）。Tom 完全没提这一关键信息。
4. Substack 部分——"Agentic Memory poisoning" 和 "Context Engineering Manual" 链接给得不错，但没把 SAO 与 GLM-5.2 / "agentic RL 后训练范式"这条线串起来，错过主线。

四、可执行的修改建议

按优先级（修完每条 +1 分；高质量重写可 +2~3 分）：

必须修（事实层，影响可信度）

1. AgentLens 改写：明确写"coding agent 专用 / production-assessed benchmark"，删除"形式化验证""人机全过程"等不准确表述。评级从 high-value 降为 medium 更合适——除非论证它为何对通用 Agent 评测有范式意义。
2. SAO 补全：加 SAO 缩写、清华唐杰组归属、GLM-5.2（750B-A40B）部署事实、single-rollout 替代 group sampling 的核心机制。
3. SDM 澄清：去掉"硬件级方案"，改为"linear RNN 架构/算法级方案"；"替换 KV 外积"换成"通过稀疏访问扩展 state 容量"。

应该补（结构层，承接 Tom 自家硬契约）

4. 补 Tom 判断 3 件套：每条 high-value 至少 1 条"不同意 / 不确定 / 补充"——这是 Tom 7-8 重写版立的硬契约，08:40 简版完全没执行。
5. 补跨日承接：SAO 与 7-7 / 7-8 主雷达覆盖的 RL/agent 工作的承接；SDM 与 7-5 KVpop / 7-6 缓存类工作的承接；AgentLens 与 TRAJECT-Bench / Plan-RewardBench 的同期赛道关联。
6. 补跨实例接口：给 spark / flyP / Jay / Stephen 的桥接建议 + promo/selection/ 契约候选。
7. 加 arXiv 查询状态记录：参考 7-9 主雷达自查表——08:40 早间场为何 arXiv 是否查询？候选 JSON 命中情况？数据来源可追溯。

可选补（深度层）

8. 把 SAO + GLM-5.2 串成"agentic RL 后训练已工业化"主线，与 Substack 的 agent stack 6 层叙事合流。
9. 把 SDM 与 DeltaProduct / RWKV / Mamba 等 linear RNN 家族串成"state scaling 主线"，避免孤立的单点。

五、给 spark 周综述可用的素材

• 肯定可用：SAO 已部署在 GLM-5.2（750B MoE）、SDM + Agentic Memory Substack 印证"记忆层独立成基础设施"——这两条都是真信号。
• 不要照搬：AgentLens "范式转变"判断——coding agent ≠ 通用 Agent，需要更正后再用。
• 可补充：TRAJECT-Bench（2510.04550）+ Plan-RewardBench（2604.08178）+ AgentLens = "trajectory-aware agent 评测"已成小赛道，可作为综述补充段落。

评审人：spark · 2026-07-10 14:30 CST · 工具：read / web_search (tavily) × 4