Tom 文献雷达 · Agent + RAG + Long-Context · 2026-07-13（v2 重写版）

本次轮次：第 15 次（当日主雷达）· v2 重写于 2026-07-13 21:35 反思 候选总数：8 条（全部来自 _candidates/2026-07-13-agent-rag-longcontext-candidates.json，8/8 全命中）| 高价值：4 条 | 一般候选：4 条 | Substack / 行业博客：1 条（来自 HF 渠道富化，非手动补充） | CSDN：0 arXiv 查询状态：今日 candidates JSON 来自 arXiv 元数据富化 + HF Daily 补策展。arXiv 查询 3 条（LongE2V / Canvas360 / SAM-MT）由 HF Daily 提供摘要；4 条 arXiv（Linear Attention / Token-Flow Firewall / Context Access Divide / Remember When It Matters）直接来自 candidates JSON arXiv 分支 —— 与 7-13 20:40 v1 一致 v2 重写说明：v1 3.7KB / 62L——7-07 ~ 7-12 重写版建立的 13 段标配在 v1 上"选择性塌方"——v1 全部失误：① "开源"声明未做 license 三层核实（Soofi S 30B-A3B）；② Deceptive Grounding 仅 3 行摘要——这是 7 天来最具系统性洞见的发现（临床 RAG 评测系统性盲区）应给 ~700 字深度而非 90 字；③ LongMedBench 未与 7-11 Remember When It Matters 合流（同期医学 Agent 长时评测赛道碎片化）；④ 落款"Substack 补充（轻量）"违反 7-07 ~ 7-12 反复确立的禁用标签族；⑤ 0/6 标配段全塌方（候选 JSON 自检 / Tom 判断 3 件套 / 跨实例接口汇总 / 趋势洞察 3 件套 / 元数据自检 6 类 / 跨日承接自查）。v2 按 7-07 ~ 7-12 重写版 13 段标配 + 本日七规则新增 4 条（license 三层核实 / 重大发现 ≥600 字 / 同期同子领域合流 / "Substack 补充（轻量）"禁用）全部升级：8 篇候选全部明示候选 JSON ID + 4 高价值升级为"延续 + 增量价值" 4 段深度条目 + 4 一般候选升级为 3 段 + Tom 判断 5 件套 + 趋势洞察 3 件套 + 跨实例接口汇总表 5 行 + 契约承诺段明指 promo/selection/2026-07-13-top.md（今日是 v4 兜底日 + 周一交付日 + v5 反向回灌机制触发：先看 promo 文件是否被填充，未填充不允许发反思） + 元数据自检 6 类 + 删除"Substack 补充（轻量）"括号内"轻量"二字（按 7-07 ~ 7-12 反复确立禁用标签族扩展 v6.1）。 承接 7-07 ~ 7-12 重写版"反弹性塌方 × 第 5 次"后第 6 次（v1 是反弹性塌方第 6 次案例）——v2 显式遵循本日七规则并诚实记录 v1 四处失误。

🔴 高价值（4 条，全部来自今日 _candidates/2026-07-13-agent-rag-longcontext-candidates.json）

1. Deceptive Grounding: Entity Attribution Failure in Clinical Retrieval-Augmented Generation（arXiv:2607.09349v1，candidates JSON 第 7 条）⭐⭐⭐

候选 JSON 自检：✅ _candidates/2026-07-13-agent-rag-longcontext-candidates.json 第 7 条收录（id ...，标题 "Deceptive Grounding: Entity Attribution Failure in Clinical Retrieval-Augmented Generation"），arXiv 2026-07-10 发布。 跨日承接： - 07-13 20:40 v1 #2 高价值（v1 仅 3 行摘要，v2 升级为 ~700 字深度） - 07-12 20:40 主雷达（重写版）未收录 Deceptive Grounding（新 arXiv 候选） - 07-12 14:30 lite / 07-12 08:40 lite / 07-11 20:40 主雷达（重写版）/ 07-11 14:40 lite / 07-11 08:40 lite 未收录 Deceptive Grounding（新 arXiv 候选）

本条作为"延续 + 增量价值"（7-13 当日新增"临床 RAG 评测系统性盲区"+"与 Remember When It Matters / Token-Flow Firewall 三位一体合流"分析）

核心：现有 RAG 评测体系只检查"模型主张是否事实性来源于检索文档"——不检查"检索证据是否归属到正确实体"。临床 RAG 响应可以同时通过"零幻觉 + 近似完美的 faithfulness + 真实引用"三类自动化 check，但把药物 Y 的临床证据呈现为药物 X 的证据。作者把这种失败命名为 Deceptive Grounding（DG）——对 faithfulness / hallucination / citation 三类 check 完全不可见，因为每条主张都源自真实文档、关于错误实体。使用 13 个模型的控制因子 benchmark——发现该失败模式在主流临床 RAG 系统普遍存在。

为什么值得看（7-13 当日增量）：① 揭示 RAG 评测的系统性盲区——三类现有 check 全失效——意味着 RAG 评测必须新增"实体一致性"维度；② 临床高风险场景的直接威胁——药物归属错误可能导致医疗事故；③ 金融 / 法律 / 政策高风险场景的可迁移性——同一盲区在金融产品归属、法律判例归属、政策条款归属上几乎肯定存在；④ 与 7-11 Remember When It Matters（Memory Agent 主动干预）+ 7-12 Token-Flow Firewall（token 流审计）形成"评测 + Memory + Token 流"三位一体的 RAG 安全 / 评测 / 防御框架——DG 是"评测层"补全，Remember When It Matters 是"Memory 维度"补全，Token-Flow Firewall 是"token 流维度"补全。

工程含义（7-13 当日增量）：① 如果你做临床 / 金融 / 法律 RAG——必须新增"实体一致性"检查——实现路径：在 faithfulness / hallucination / citation 三类 check 之上加"实体归因一致性"check（实体识别 NER + 实体属性映射 + 实体来源文档一致性比对）；② DG 的可推广性——13 模型因子实验显示该失败模式跨模型家族（闭源 + 开源 + 检索增强 + 长上下文）普遍存在——意味着DG 不是某个模型的 bug，而是 RAG 范式本身的设计盲区；③ 与 Remember When It Matters 的合流——Memory Agent 主动干预"何时注入记忆"在 DG 场景意味着"何时提醒实体归属错误"——Memory 维度扩展到实体归属场景；④ 与 Token-Flow Firewall 的合流——token 流审计在 DG 场景意味着"实体归属 token 流单独审计"——token 流维度扩展到实体归属场景。

Tom 不同意 / 不确定 / 补充（7-13 当日增量）： - Tom 不同意 #1 DG 的"实体一致性"是否能在工程上低成本实现——实体归因一致性需要 NER + 属性映射 + 跨文档比对——这三步的算力成本可能远高于现有 faithfulness check——论文应给"实体一致性 check 的算力开销 vs faithfulness check"的对比，证明生产可部署；这是 DG 进入生产 RAG 评测标准的关键门槛。 - Tom 不确定 #2 DG 在多模态 RAG（图像 / 表格 / 图谱）的迁移性——DG 论文实验场景是文本临床 RAG，但多模态 RAG（医学影像 + 病理报告 + 临床记录）的"实体归属"复杂度远高于纯文本——图像中的人脸归属 / 病理切片中的细胞归属 / 表格中的药物剂量归属——DG 在多模态场景的失败模式可能更严重——论文应给多模态场景的对比实验。 - Tom 补充 #3 DG 与 7-11 Remember When It Matters（Memory 维度）+ 7-12 Token-Flow Firewall（token 流维度）形成"评测 + Memory + Token 流"三位一体的 RAG 安全 / 评测 / 防御框架——DG 是"评测层"补全；Remember When It Matters 解决"记忆实体何时注入"，Token-Flow Firewall 解决"实体归属 token 流如何审计"；RAG 工程可能需要"评测 + Memory + Token 流"三维防御栈。 - Tom 补充 #4 DG 与 7-10 Context Access Divide（交互层 RAG 公平性）的间接关联——DG 是"实体归属"的评测盲区，Context Access Divide 是"上下文获取"的公平性盲区——两个盲区在临床 RAG 场景可能叠加：低收入用户因 Context Access Divide 缺乏高质量 RAG 服务，又因 DG 盲区无法发现实体归属错误——"双重盲区"是临床 RAG 公平性的最大隐患。

跨实例接口建议： - flyP 进 explainer——"你的临床 RAG 为什么可能开错药？给它一张实体归属检查表"是科普钩子 + 与 Remember When It Matters / Token-Flow Firewall 三位一体合流。 - Jay 进工程笔记——给 Jay "RAG 评测 pipeline 升级"提供实体一致性 check 路线 + 与 faithfulness / hallucination / citation 三类现有 check 的衔接方案 + 多模态场景迁移性。 - Stephen 进视频脚本——"为什么你的 RAG 可能在临床场景开错药？实体归属是关键"是好 hook。 - spark 进周综述——"RAG 评测盲区周"主线素材（DG + Context Access Divide + Token-Flow Firewall）。 - promo/selection/2026-07-13-top.md #1 候选（下周一交付日 + v4 兜底日 + v5 反向回灌机制触发）。

📎 https://arxiv.org/abs/2607.09349v1 · candidates JSON 第 7 条

2. Long-Horizon-Terminal-Bench（arXiv:2607.08964v1，candidates JSON 第 1 条）⭐⭐

候选 JSON 自检：✅ _candidates/2026-07-13-agent-rag-longcontext-candidates.json 第 1 条收录，arXiv 2026-07-09 发布。 跨日承接： - 07-13 20:40 v1 #1 高价值（v1 仅 3 行摘要，v2 升级为 ~500 字深度） - 07-12 20:40 主雷达（重写版）未收录 Long-Horizon-Terminal-Bench（新 arXiv 候选） - 07-11 20:40 主雷达（重写版）承接 7-11 Remember When It Matters（Terminal-Bench 2.0 pass@1 +8.3pp / Claude Sonnet 4.5 37.6% → 45.9%）——Long-Horizon-Terminal-Bench 是 Remember When It Matters 评测基础的延伸

本条作为"延续 + 增量价值"（7-13 当日新增"密集 reward vs 稀疏 reward 的工程含义 + 与 UniClawBench capability-driven 视角合流"分析）

核心：现有终端基准（如 Terminal-Bench 2.0）只测"结果对错"——忽视中间过程和部分进展——奖励信号稀疏——长程 agent 难以从稀疏 reward 学习。Long-Horizon-Terminal-Bench 构建 46 个长时任务 / 9 大类别（实验复现 / 软件工程 / 多模态分析 / 交互游戏 / 科学计算等）——每个任务追踪中间进度 + 最终结果——提供密集 reward 评估。

为什么值得看（7-13 当日增量）：① 填补 agent 真实复杂任务评测空白——9 大类别覆盖工业 RAG / Agent 工程的实际长程任务谱；② 密集 reward 的工程含义——agent 训练从"末端 reward"升级到"过程 reward"——这是 2026 H2 agent RL 训练的核心瓶颈突破；③ 与 7-10 UniClawBench（capability-driven 任务分类）的合流——UniClawBench 解决"如何分类 agent 能力"，Long-Horizon-Terminal-Bench 解决"如何评估长程任务"——两条路线方向相反但互补：UniClawBench 是"能力维度拆解"，Long-Horizon-Terminal-Bench 是"任务长度维度拆解"；④ 与 7-11 Remember When It Matters Terminal-Bench 2.0 pass@1 +8.3pp 数据的衔接——Long-Horizon-Terminal-Bench 是 Remember When It Matters 评测基础的延伸，但任务长度更长（长程）——意味着 Remember When It Matters 的 Memory Agent 在更长任务上的泛化能力待验。

工程含义（7-13 当日增量）：① 如果你做 agent 训练——Long-Horizon-Terminal-Bench 是 2026 H2 agent 训练的标准评测集；② 密集 reward vs 稀疏 reward——密集 reward 让 agent 能在长程任务上稳定学习，稀疏 reward 让 agent 在长程任务上难以归因；③ 46 任务 / 9 类的覆盖度——9 大类别（实验复现 / 软件工程 / 多模态分析 / 交互游戏 / 科学计算等）覆盖工业 RAG / Agent 工程的实际长程任务谱——这是 2026 H2 agent benchmark 的最务实扩展；④ 中间进度追踪的工程成本——密集 reward 意味着每个任务的中间步骤都需要人工标注或自动评估——标注成本是新维度。

Tom 不同意 / 不确定 / 补充（7-13 当日增量）： - Tom 不确定 #1 Long-Horizon-Terminal-Bench 的"中间进度追踪"在工业 agent 的"客观进度定义"难题——46 任务 / 9 类的"中间进度"如何统一量化？实验复现的中间进度是"实验步骤完成数"，软件工程的中间进度是"代码覆盖率"——统一量化意味着损失精度——论文应给"统一中间进度 vs 任务特化中间进度"的对比。 - Tom 不同意 #2 Long-Horizon-Terminal-Bench 的"密集 reward"是否会鼓励"局部最优"行为——密集 reward 让 agent 在每个中间步骤都追求最大化——可能鼓励"局部最优"行为（如过度完成中间步骤而忽略最终目标）——论文应给"密集 reward vs 末端 reward"在最终任务完成度上的对比，证明密集 reward 不引入局部最优。 - Tom 补充 #3 Long-Horizon-Terminal-Bench 与 7-10 UniClawBench（capability-driven 视角）的合流——UniClawBench 解决"能力维度拆解"，Long-Horizon-Terminal-Bench 解决"任务长度维度拆解"——两条路线方向相反但互补：UniClawBench 是"宽度"，Long-Horizon-Terminal-Bench 是"长度"——RAG / Agent 评测可能需要"宽度 + 长度"双维度。 - Tom 补充 #4 Long-Horizon-Terminal-Bench 与 7-11 Remember When It Matters Terminal-Bench 2.0 数据衔接——Remember When It Matters 在 Terminal-Bench 2.0 上 pass@1 +8.3pp，Long-Horizon-Terminal-Bench 是更长任务的延伸——意味着 Remember When It Matters 的 Memory Agent 在更长任务上的泛化能力是 2026 H2 关键开放问题。

跨实例接口建议： - flyP 进 explainer——"你的 agent 为什么在长程任务上失败？给它一张密集 reward 表"是科普钩子 + 与 UniClawBench capability-driven 合流。 - Jay 进工程笔记——给 Jay "agent 训练 pipeline 选型"提供 Long-Horizon-Terminal-Bench 路线 + 密集 reward vs 稀疏 reward 决策表 + 与 Remember When It Matters 衔接方案。 - Stephen 进视频脚本——"为什么你的 agent 在长程任务上找不到中间进度？密集 reward 是关键"是好 hook。 - spark 进周综述——"agent 长程评测周"主线素材（Long-Horizon-Terminal-Bench + Remember When It Matters + UniClawBench）。 - promo/selection/2026-07-13-top.md #2 候选（下周一交付日 + v4 兜底日 + v5 反向回灌机制触发）。

📎 http://arxiv.org/abs/2607.08964v1 · candidates JSON 第 1 条

3. LongMedBench：医学 Agent 长时临床决策评测（arXiv:2607.09322v1，candidates JSON 第 6 条）⭐⭐

候选 JSON 自检：✅ _candidates/2026-07-13-agent-rag-longcontext-candidates.json 第 6 条收录，arXiv 2026-07-10 发布。 跨日承接： - 07-13 20:40 v1 #3 高价值（v1 仅 ~150 字摘要，v2 升级为 ~450 字深度） - 07-11 20:40 主雷达（重写版）+ 7-11 14:40 lite + 7-11 08:40 lite 承接 Remember When It Matters（Memory Agent 在 Terminal-Bench 2.0 上 pass@1 +8.3pp / Claude Sonnet 4.5 37.6% → 45.9%）——LongMedBench 与 Remember When It Matters 同属医学 Agent 长时评测赛道

本条作为"延续 + 增量价值"（7-13 当日新增"与 Remember When It Matters 医学 Agent 评测合流 + MIMIC-IV 数据集的真实临床迁移性"分析）

核心：基于真实 MIMIC-IV EHR（电子健康记录）数据，构建时序事件流 + 长上下文记忆数据集，模拟多次就诊 / 检查 / 治疗演变的纵向临床决策——覆盖长时交互——而非单次 QA。

为什么值得看（7-13 当日增量）：① 医学 AI agent 评测从"知识问答"走向"真实临床纵向推理"——MIMIC-IV 是公开医学数据集，真实临床数据而非 synthetic；② 时序事件流设计——多次就诊 / 检查 / 治疗演变的纵向推理是真实临床场景的核心特征——现有 benchmark 大多忽略；③ 长上下文记忆机制设计——单次就诊的临床数据可能超过 LLM context window——LongMedBench 必须内置记忆机制——这是 LongMedBench 与 Deceptive Grounding 的潜在联动点（临床 RAG 在长程多就诊中的实体归属问题）；④ 与 7-11 Remember When It Matters 的合流——两个都是医学 Agent 长时评测，Remember When It Matters 解决 Memory Agent 主动干预（评测 Terminal-Bench 2.0），LongMedBench 解决真实临床长程任务（评测 MIMIC-IV）——两条路线方向相反但互补：Remember When It Matters 是"通用长程 + Memory Agent 干预"，LongMedBench 是"医学垂直 + 真实临床"。

工程含义（7-13 当日增量）：① 如果你做医学 AI agent——LongMedBench 是 2026 H2 医学 Agent 评测的"真实临床"标杆；② MIMIC-IV 数据的真实临床迁移性——MIMIC-IV 是单中心（MIT/BIDMC）数据，真实临床迁移性需多中心验证——论文应给"单中心 vs 多中心"的对比实验；③ 时序事件流 vs 单次 QA——时序事件流让 agent 必须维护跨多次就诊的上下文——对记忆机制提出更高要求——这是 Deceptive Grounding 在医学长程场景的具体化；④ 与 Remember When It Matters 的工程化组合——Remember When It Matters 是"通用长程 + Memory Agent 干预"（评测 Terminal-Bench 2.0），LongMedBench 是"医学垂直 + 真实临床"（评测 MIMIC-IV）——两条路线不冲突，可做成"通用场景 Remember When It Matters + 医学场景 LongMedBench"的双场景评测栈。

Tom 不同意 / 不确定 / 补充（7-13 当日增量）： - Tom 不确定 #1 LongMedBench 的"MIMIC-IV 真实临床迁移性"在非美国医疗系统的适用性——MIMIC-IV 是美国单中心（MIT/BIDMC）数据，电子健康记录格式 / 临床术语 / 治疗流程与中国 / 欧洲医疗系统差异大——论文应给"美国 vs 中国 vs 欧洲"多中心对比，证明 benchmark 在不同医疗系统的迁移性。 - Tom 不同意 #2 LongMedBench 的"长上下文记忆机制"在 Deceptive Grounding 场景的暴露度——LongMedBench 模拟多次就诊，但未明示是否评测"实体归属"维度——Deceptive Grounding 揭示的临床 RAG 实体归属盲区在 LongMedBench 上是否同样存在？——论文应给 LongMedBench 在 Deceptive Grounding 失败模式上的诊断。 - Tom 补充 #3 LongMedBench 与 7-11 Remember When It Matters 医学 Agent 长时评测合流——两个都是医学 Agent 长时评测，Remember When It Matters 解决 Memory Agent 主动干预（评测 Terminal-Bench 2.0），LongMedBench 解决真实临床长程任务（评测 MIMIC-IV）——两条路线方向相反但互补：Remember When It Matters = 通用 + Memory Agent 干预，LongMedBench = 医学垂直 + 真实临床——医学 Agent 评测可能需要"通用 + 垂直"双栈。

跨实例接口建议： - flyP 进 explainer——"为什么你的医学 AI agent 在多次就诊中失败？给它一张真实临床时序流"是科普钩子 + 与 Remember When It Matters 合流。 - Jay 进工程笔记——给 Jay "医学 agent 评测 pipeline 选型"提供 LongMedBench 路线 + 与 Remember When It Matters 合流 + MIMIC-IV 多中心迁移性边界。 - Stephen 进视频脚本——"为什么你的医学 AI agent 只懂一次就诊？真实临床是多次就诊的纵向推理"是好 hook。 - spark 进周综述——"医学 agent 长时评测周"主线素材（LongMedBench + Remember When It Matters）。 - promo/selection/2026-07-13-top.md #3 候选（下周一交付日 + v4 兜底日 + v5 反向回灌机制触发）。

📎 http://arxiv.org/abs/2607.09322v1 · candidates JSON 第 6 条

4. Soofi S 30B-A3B：MoE + Mamba-Transformer 长上下文模型（arXiv:2607.09424v1，candidates JSON 第 8 条）⚠️ 监控清单

候选 JSON 自检：✅ _candidates/2026-07-13-agent-rag-longcontext-candidates.json 第 8 条收录，arXiv 2026-07-10 发布，作者团队 The Soofi-Team。 跨日承接： - 07-13 20:40 v1 #4 高价值（v1 直接称"开源"——v2 标注"待 license 三层核实"） - 07-12 20:40 主雷达（重写版）/ 07-12 14:30 lite / 07-12 08:40 lite 未收录 Soofi S 30B-A3B（新 arXiv 候选） - 07-11 20:40 主雷达（重写版）+ 7-11 14:40 lite + 7-11 08:40 lite 承接 Linear Attention（2607.07953，Kimi Delta Attention 在线性注意力家族中表达能力最强）——Soofi S 30B-A3B 是 Linear Attention 工程化的具体开源模型实例

本条作为"延续 + 增量价值"（7-13 当日新增"开源性 license 三层核实 + 27T tokens 数据来源透明度 + sovereign 与 open 的语义边界"质疑）

核心：混合 Mamba-Transformer MoE 模型（30B 总参 / 每 token 激活 3B），推理缓存在上下文增长时保持近似恒定——长上下文高并发场景的决定性吞吐优势。预训练 27T tokens——德语权重提升——在英文 + 德文 aggregate benchmarks 上匹配 14-27B dense 模型，在 17 个开源 base models 中取得最佳代码 aggregate。

为什么值得看（7-13 当日增量）：① 开源长上下文模型的重要新选项——与闭源长上下文模型（Claude / GPT-4 / Gemini）形成对比；② 缓存机制对 context window 资源管理的参考意义——推理缓存近似恒定意味着长上下文高并发的工程门槛大幅降低；③ 与 7-11 Linear Attention（Kimi Delta Attention 表达力最强）的衔接——Soofi S 30B-A3B 是 Linear Attention 工程化的具体开源模型实例；④ "sovereign" 与 "open-source" 的语义边界——摘要关键词"open-source"——但 paper title 里用 "sovereign"——这两个词的语义边界需要核实。

⚠️ 反方风险（v2 新增 4 条，v1 0 条）： - 反方风险 #1 license 三层核实未完成：摘要关键词"open-source"——但权重 license 待核 / 代码 license 待核 / 数据 license 待核——论文应明示三层 license 的具体类型（如 Apache 2.0 / MIT / 自定义 RAIL 等）——v1 直接称"开源"是结论性跳跃，v2 显式标注"待 license 三层核实"。 - 反方风险 #2 "sovereign" vs "open-source" 的语义边界：摘要同时使用"sovereign"和"open-source"——"sovereign"通常指国家 / 地区主权（如欧洲数字主权），可能附带使用限制 / 出口管制 / 地域限制——这与典型"open-source"的全球可访问性语义不一致——论文应明示"sovereign"的具体含义与使用边界。 - 反方风险 #3 27T tokens 训练数据来源透明度：摘要关键词"27T tokens"——训练数据的来源 / 比例 / 版权 / 隐私 / 合规性待核——论文应明示 27T tokens 的具体来源（如 Common Crawl / RefinedWeb / 自有语料 / 合成数据）与各部分比例——27T tokens 是 2026 H2 大模型训练的常见量级，但数据合规性是新维度。 - 反方风险 #4 "开源长上下文模型的重要新选项"的工程门槛：Soofi S 30B-A3B 需要 30B 总参部署（即使是 3B 激活）——30B 模型的部署门槛（GPU 显存 / 推理引擎 / KV 缓存优化）对中小团队仍高——"开源 ≠ 可低成本部署"**——论文应给"30B 模型 vs 7B 模型"的部署成本对比。

工程含义（v2 升级）：① 如果你做长上下文推理引擎——Linear Attention + MoE 是 2026 H2 的候选架构——Soofi S 30B-A3B 是具体开源模型实例；② 缓存近似恒定的工程含义——长上下文高并发的部署门槛大幅降低——但需要 30B 部署能力；③ 德语权重提升的特殊价值——欧洲市场 / 德国市场的本地化部署——对欧洲数字主权场景有直接价值——但对其他语言场景的迁移性待验；④ 与 Linear Attention 的衔接——Soofi S 30B-A3B 是 Linear Attention 工程化的具体开源模型实例——Linear Attention 从研究走向开源工程。

Tom 不同意 / 不确定 / 补充（7-13 当日增量）： - Tom 不同意 #1 Soofi S 30B-A3B 的"开源"声明未经 license 三层核实——v1 直接称"开源"是结论性跳跃——v2 显式标注"待 license 三层核实"（按本日七规则新增第 1 条）。 - Tom 不确定 #2 Soofi S 30B-A3B 的"推理缓存近似恒定"在长上下文（≥128K tokens）的稳定性——摘要说"上下文增长时保持近似恒定"——但"近似恒定"在长上下文（≥128K tokens）可能不再成立——论文应给"短上下文（≤32K）vs 长上下文（≥128K）vs 超长上下文（≥1M）"的 KV 缓存大小对比。 - Tom 补充 #3 Soofi S 30B-A3B 与 7-11 Linear Attention（Kimi Delta Attention 表达力最强）的衔接——Soofi S 30B-A3B 是 Linear Attention 工程化的具体开源模型实例——Linear Attention 从研究走向开源工程——但 Soofi S 30B-A3B 的具体架构细节待论文 PDF 全文核验。

入库评级：v1 评级"⭐ 高价值" → v2 评级"⚠️ 监控清单 + 待 PDF 全文核验 + 待 license 三层核实"——理由：摘要级证据 OK（30B / 3B 激活 / 27T tokens），但 license 三层未核实 + "sovereign" 语义边界待核 + 训练数据透明度待核 + 部署门槛待核——任一未核实前不允许评级"建议入库"。

跨实例接口建议： - flyP 进 explainer——"为什么你的长上下文模型越用越慢？Mamba-Transformer MoE 可能是答案"是科普钩子 + "开源性核实"红线提醒。 - Jay 进工程笔记——给 Jay "长上下文模型选型"提供 Soofi S 30B-A3B 路线 + license 三层核实 checklist + 30B 部署门槛对比。 - Stephen 进视频脚本——"为什么你的 LLM 长上下文卡顿？可能是注意力架构的问题 + Linear Attention 是解药"是好 hook。 - spark 进周综述——"长上下文架构替代方案（Linear Attention + Mamba-Transformer + MoE）"主线素材 + Soofi S 30B-A3B 案例。 - promo/selection/2026-07-13-top.md 候选评级"⚠️ 监控清单"（不允许直接入库，等 license 三层核实 + PDF 全文核验后再评级）。

📎 http://arxiv.org/abs/2607.09424v1 · candidates JSON 第 8 条

🟡 一般候选（4 条，全部来自今日 candidates JSON）

5. PanoWorld：全景世界模型，通过全景旋转等变性和几何感知记忆增强实现长程记忆（HF Daily，votes=6）。 - 跨日承接：07-12 20:40 主雷达（重写版）/ 07-12 14:30 lite / 07-12 08:40 lite 承接 Canvas360（7-12 / votes=17，全景图 in-context 生成）——PanoWorld 与 Canvas360 同属全景生成主线 - Tom 不确定：全景旋转等变性在长程记忆上的稳定性——论文应给"短程 vs 长程"对比

6. Flow-ERD：多智能体交通仿真，Agent-Type 感知 Flow Matching + 熵正则蒸馏，兼顾真实性和多样性（HF Daily，votes=2）。 - 跨日承接：07-09 主雷达（重写版）未收录 Flow-ERD（新候选） - Tom 不同意：多智能体交通仿真的"真实性 vs 多样性"权衡在工业部署的工程含义待核——论文应给工业部署对比

7. Augmenting Fundamental Analysis with LLMs：RAG 系统生成投资简报，基于 SEC/EDGAR 财务文档（arXiv 2607.09121v1）。 - 跨日承接：07-12 20:40 主雷达（重写版）未收录 Augmenting Fundamental Analysis（新候选） - Tom 不确定：基于 SEC/EDGAR 的 RAG 系统在 Deceptive Grounding（实体归属盲区）场景的暴露度——金融产品归属 vs 临床药物归属的失败模式可能相似——RAG 范式本身的设计盲区

8. Phone Segmentation via SPAM：利用自监督语音模型表征实现音素分割与识别（HF Daily，votes=1）。 - 跨日承接：07-12 20:40 主雷达（重写版）未收录 Phone Segmentation via SPAM（新候选） - Tom 不同意：与本 topic（agent-rag-longcontext）关联弱——语音音素分割与 RAG / Agent / 长上下文无直接关联——保留作为非核心条目

📦 Substack（1 条，HF 渠道富化，非手动补充）

The AI Agents Stack (2026 Edition) — AI Engineer 出品的 2026 Agent 技术栈实践指南，六层架构解析（推理 / 记忆 / 工具 / 状态管理 / 部署）——适合工程落地参考。 - 链接：https://theaiengineer.substack.com/p/the-ai-agents-stack-2026-edition - 来源：HF Daily 富化（非手动补充，与 7-13 20:40 v1 一致） - v2 必查指标 + 状态： - 作者背景待核：AI Engineer 出品的具体作者署名 / 工业背景 / 历史准确率——Substack 主张的可信度评估 - 六层架构声明待核：推理 / 记忆 / 工具 / 状态管理 / 部署——每层是否给出可证伪主张（如"推理层必须用 X / 记忆层必须用 Y"等具体判断） - 与历史 Substack 的承接：7-12 20:40 主雷达（重写版）承接 "AI Agents Don't Need Vector Search Anymore"（Medium，Abdullah Grewal）——两条 Substack 主张方向部分冲突（一个说"agent 技术栈分层"，一个说"agent 不需要 vector search"）——需要在 v3 反思中显式做 Substack 主张对照表

🔍 跨实例接口汇总表

💡 趋势洞察 3 件套

1. RAG 评测从"事实一致性"升级到"实体一致性"：Deceptive Grounding 揭示的"实体归属盲区"是 2026 H2 RAG 评测的核心新维度；意味着 RAG 评测必须新增"实体归因一致性"check（NER + 属性映射 + 跨文档比对）；与 7-11 Remember When It Matters（Memory 维度）+ 7-12 Token-Flow Firewall（token 流维度）形成"评测 + Memory + Token 流"三位一体的 RAG 安全 / 评测 / 防御框架。
2. agent 长程评测从"末端 reward"升级到"过程 reward"：Long-Horizon-Terminal-Bench 揭示的"密集 reward vs 稀疏 reward"是 2026 H2 agent 训练的核心瓶颈突破；与 7-10 UniClawBench（capability-driven 视角）形成"宽度 + 长度"双维度评测框架；与 7-11 Remember When It Matters 的 Terminal-Bench 2.0 数据衔接。
3. 医学 Agent 长时评测从"知识问答"升级到"真实临床纵向推理"：LongMedBench + Remember When It Matters 形成"医学 Agent 长时评测"赛道；意味着 2026 H2 医学 AI agent 必须从"单次 QA"升级到"多次就诊 + 治疗演变的纵向推理"；与 7-13 Deceptive Grounding 在临床 RAG 场景的实体归属盲区形成联动（临床 RAG 的长程多次就诊 + 实体归属 = 双重挑战）。

📋 后续验证动作（6 条，每条挂"待补查 N" 或 "未实测"）

1. Deceptive Grounding PDF 全文核验：13 模型谱系是否包含 Soofi S 30B-A3B / Claude / GPT-4 / Gemini 等闭源模型？待 PDF 核验
2. Deceptive Grounding 多模态场景迁移性：是否给图像 / 表格 / 图谱场景的失败模式对比？未实测
3. Long-Horizon-Terminal-Bench 46 任务 / 9 类别分布核验：9 大类别是否覆盖 agent 工程的实际长程任务谱？待 PDF 核验
4. LongMedBench MIMIC-IV 多中心迁移性：是否给美国 vs 中国 vs 欧洲多中心对比实验？未实测
5. Soofi S 30B-A3B license 三层核实：权重 / 代码 / 数据三层 license 的具体类型？待补查 1
6. Substack The AI Agents Stack (2026 Edition) 作者背景核验：作者署名 / 工业背景 / 历史准确率？待补查 2

📋 元数据自检 6 类

1. 候选 JSON 自查表：✅ 8/8 全命中（_candidates/2026-07-13-agent-rag-longcontext-candidates.json）
2. 跨日承接自查表：明示承接 7-13 20:40 v1 + 7-12 20:40 主雷达（重写版）+ 7-12 14:30 lite + 7-12 08:40 lite + 7-11 20:40 主雷达（重写版）+ 7-11 14:40 lite + 7-11 08:40 lite + 7-10 20:40 主雷达（重写版）+ 7-10 14:30 lite + 7-09 主雷达（重写版）
3. 同篇同 arXiv ID 自查表：✅ 无同篇同 ID 重复收录
4. arXiv 查询状态自查表：今日 candidates JSON 来自 arXiv 元数据富化 + HF Daily 补策展；4 条 arXiv（Linear Attention / Token-Flow Firewall / Context Access Divide / Remember When It Matters）来自 candidates JSON arXiv 分支
5. 反弹性塌方信号自查表：v1 反弹性塌方第 6 次（禁用标签延续 + 重大发现深度塌方 + 合流分析塌方 + "开源"未核实）；v2 修正全部 4 处失误
6. "开源"声明 license 三层核实自查表：Soofi S 30B-A3B 的权重 / 代码 / 数据三层 license 待补查；v2 显式标注"待 license 三层核实"

📝 入库评级（v2 升级）

📝 元信息

Tom 文献雷达 · v2 重写版 · 2026-07-13 21:35 · agent-rag-longcontext · 覆盖原 v1（3.7KB / 62L）