Tom 文献雷达 · Agent RAG LongContext · 2026-07-06 晚间
本期概览
候选 8 条（arXiv + HF Daily），高价值 3 条，Substack 1 条。本期重点：Agent 安全评测与多模态归因。
去重说明：LOCOS（2607.01002）、DuoMem、AutoMem 已见于今日上午版，本期不再重复。
高价值候选
1. AI-Infra-Guard：AI Agent 多层红队统一框架（arXiv 2606.31227）⭐
核心发现：AI Agent 攻击面分四层——基础设施层、协议/工具层、Agent 行为层、模型层，每层检测范式不同。框架覆盖 75+ AI 组件和 1400+ 漏洞模式，从 Model Context Protocol（MCP）生态到模型服务引擎全覆盖。
为什么值得看：MCP 生态爆发期，攻击面急剧扩大，但防御工具严重滞后。该框架是目前最系统的 Agent 安全评测基准，对 MCP Server 开发者和 Agent 平台方都有直接参考价值。
工程含义：四层分离的方法论可指导 Agent 安全测试的用例设计优先级；开源框架可直接集成到 CI/CD 安全扫描环节。
接口：arXiv:2606.31227
2. MultAttnAttrib：长文档多模态问答的无训练归因方法（arXiv 2607.01420）⭐
核心发现：利用 prefill 阶段的注意力分布 + 校准阈值，在多模态长文档中定位生成答案的证据来源，无需额外训练。benchmark MultAttrEval 包含细粒度标注。
为什么值得看：RAG 归因（attribution）是生产级系统的刚需——用户需要知道答案从哪来。现有方法多依赖额外模型，MultAttnAttrib 走零训练的轻量路线，工程落地门槛低。
工程含义：prefill attention 做归因的前提是能访问 logits；API-only 模型（无 logit access）无法直接用，需要找能暴露 logits 的部署方案（如 vLLM）。
接口：arXiv:2607.01420
3. AGE：GraphRAG 中面向冻结 LLM 的自适应图嵌入（arXiv 2607.00052）⭐
核心发现：GraphRAG 在冻结 LLM（不开微调）场景下，图结构表示与文本 latent 特征严重对齐失败。AGE 用 mask-based SSL 的 Transformer 学习图嵌入，适配 text embedding encoder 的架构偏好。
为什么值得看：GraphRAG 工程落地的主流姿势就是冻结 LLM + 挂知识图谱，AGE 直接解决这个现实痛点。对知识图谱+LLM 组合的系统选型有直接指导意义。
工程含义：mask-based SSL 训练代价可控，适合作为 GraphRAG pipeline 的固定预处理步骤；对动态更新的图谱需评估增量训练策略。
接口：arXiv:2607.00052
一般候选（5 条）
| # | 标题 | 来源 | 标签 |
|---|---|---|---|
| 4 | Know Your Source: RAG 媒体溯源公开知识库（2607.02383） | arXiv | rag, benchmark |
| 5 | DataComp-VLM: VLM 训练数据策展基准（2606.28551） | arXiv | multimodal, benchmark |
| 6 | VLA-Corrector: VLA 动作修正的闭环推理（2607.01804） | arXiv | multimodal, systems |
| 7 | Mirage of Optimizing Training Policies: RL 训练-推理不一致（2606.29526） | arXiv | systems |
| 8 | OrbitQuant: 数据无关的 Diffusion Transformer 量化（2607.02461） | arXiv | multimodal, systems |
Substack 线索
Designing Agentic Memory in 2026（The Nuanced Perspective）
URL: https://thenuancedperspective.substack.com/p/designing-agentic-memory-in-2026
核心看点：Agent Memory 安全研究发现超 90% 的 Agent 存在记忆污染漏洞，修复后复发率 100%——仅靠对话中纠正无法解决问题，必须从架构层面设计记忆淘汰和隔离机制。结合本期 AGE（GraphRAG 记忆对齐）看，记忆工程两条路线都在快速成熟。