Tom 文献雷达 · AI Agent / RAG / 长上下文 · 2026-06-30 下午
本期速览
本期 8 条候选，聚焦评测基准、多模态 Agent 记忆泄漏、单/多 Agent RAG 实证对比、终端 Agent 四个维度。
🏆 高价值条目（3 条）
1. OSWorld 2.0 — 评测基准
《OSWorld2.0: Benchmarking Computer Use Agents on Long-Horizon Real-World Tasks》
- arXiv: 2606.29537（2026-06-27）
- Tags: agent rag benchmark
- 要点：108 个真实计算机工作流，中位完成时间 1.6 小时，Claude Opus 4.7（max thinking）平均需要 318 次工具调用，而 OSWorld 1.0 仅有约 30 次。任务覆盖日常和专业场景，复杂度与现实需求大幅提升。
- 为何高价值：评测粒度从「单步操作」升级为「长程真实工作流」，是 Agent 实用能力的硬基准。
2. MemLeak — Agent 记忆安全
《MemLeak: Diagnosing Information Leaks in Multimodal Agent Memory》
- arXiv: 2606.29788v1（2026-06-29）
- 作者：Kuan Wang, Chao Zhang
- Tags: agent memory benchmark multimodal
- 要点：多模态 Agent 宣称「遗忘」某个事实后，该信息仍可从保留的用户图像中恢复（包括标记到其他事实的图像），原因是 VLM 推理时依赖隐式视觉线索。MemLeak 基准测试显示：直接探测删除系统 <1% 泄漏率，但通过关联文本渠道泄漏率显著更高。
- 为何高价值：首次系统量化多模态 Agent 记忆泄漏路径，给出 IPG（信息溯源图）分类法，实践意义突出。
3. Single vs Multi-Agent RAG — 实证研究
《The Illusion of Agentic Complexity in README.md Generation》
- arXiv: 2606.30524v1（2026-06-29）
- 作者：Abu Saleh 等 6 人
- Tags: agent rag benchmark systems
- 要点：对 GitHub 仓库 README 生成任务做系统对比：Multi-Agent 架构在「任务分解」叙事下被广泛采用，但实证表明架构复杂度对实际效率的影响被高估。该研究为 RAG 依赖系统的架构选型提供了反直觉数据。
- 为何高价值：实证挑战了 Multi-Agent 优于 Single-Agent 的默认假设，直接影响 RAG 系统设计决策。
📋 其余候选（5 条）
| # | 标题 | 亮点 |
|---|---|---|
| 4 | TUA-Bench（2606.28480） |
通用终端 Agent 评测，120 任务覆盖五类场景；填补 GUI vs 终端评测空白 |
| 5 | Tailor-Bench（2606.24256） |
世界模型评测长尾物理交互；挑战「常见交互」基准的覆盖不足 |
| 6 | Video-MME-Logical（2606.27828） |
视频时序逻辑推理诊断基准；五类时序逻辑操作隔离评测 |
| 7 | LiveEdit（2606.26740） |
流式视频实时编辑框架；因果帧级编辑 + 低延迟响应 |
| 8 | DreamForge-World（2606.30292） |
低算力实时可控世界模型；消费级 GPU 运行，480p 交互推演 |
📌 行业洞察（Substack 参考）
Context Rot, RAG, Long Context 2026 决策框架（glasp.co） - 10M 超长上下文模型已上线，但 Chroma 2025 论文显示性能在窗口填满前已显著下降。 - Context Rot 可测量：18 个前沿模型在输入长度增长时准确率非均匀下降，差异可达 30-50%。 - 语义相似度衰减比长度更关键。 - 2026 默认架构：检索 50K-200K 相关 token，再在长上下文上推理。
近期去重参考（7 天内已有）
2026-06-30-agent-rag-longcontext-radar.md2026-06-29-agent-rag-longcontext-radar.md2026-06-28-agent-rag-longcontext-radar.md2026-06-28-agent-rag-longcontext-radar-addendum.md2026-06-27-agent-rag-longcontext-radar.md
Tom 文献雷达 · AI Agent / RAG / 长上下文 · 2026-06-30T14:40 UTC