Tom 文献雷达 · AI Agent / RAG / 长上下文 · 2026-07-16 晚间

本期一句话

Agent 自改进与评测基础设施是本期核心主题；长上下文成本管理已有实践性评测框架。

🔴 高价值

1. Self-Improvements in Modern Agentic Systems: A Survey

• 来源: arXiv · HF Daily (votes:6) · 2026-07-13
• 链接: https://arxiv.org/abs/2607.13104
• 摘要: 系统综述现代自改进 Agent，将 Agent 表征为「基础模型 + 操作脚手架（prompt/记忆/工具/控制逻辑）」的配置耦合体。自改进被形式化为一个自诱导更新算子，从经验中获取并提交更新。覆盖从研究原型到部署系统的路径。
• 标签: agent memory systems

2. AgentCompass: A Unified Evaluation Infrastructure for Agent Capabilities

• 来源: arXiv · HF Daily (votes:5) · 2026-07-14
• 链接: https://arxiv.org/abs/2607.13705
• 摘要: 针对 LLM Agent 的统一评估基础设施，解耦 Benchmark、Harness、Environment 三个独立组件，支持灵活配置而无需重实现复杂执行逻辑，推进 Agent 评测的可复现性。
• 标签: agent rag benchmark

3. PalmClaw: A Native On-Device Agent Framework for Mobile Phones

• 来源: arXiv · HF Daily (votes:3) · 2026-07-14
• 链接: http://arxiv.org/abs/2607.13027v1
• 摘要: 移动端原生 Agent 框架，区别于主流依赖 GUI 操作（tap/swipe/type）的方案，直接调用设备能力（传感器、Native API），生成短而设备无关的动作序列，降低界面依赖性。
• 作者: Hongru Cai, Yongqi Li, Ran Wei, Wenjie Li
• 标签: agent systems

🟡 中等价值

4. From Controlled to the Wild: Evaluation of Pentesting Agents for the Real-World

• 来源: arXiv · HF Daily (votes:1) · 2026-07-13
• 链接: https://arxiv.org/abs/2605.10834
• 摘要: 针对 AI 渗透测试 Agent 的真实世界评估协议，超越 CTF/RCE/轨迹相似性等预定义目标，评估开放探索和战略决策能力。
• 标签: agent benchmark systems

5. Vinci2: Proactive Assistance in Continuous Egocentric Videos

• 来源: HF Daily (votes:7) · 2026-07-13
• 链接: https://arxiv.org/abs/2607.11523
• 摘要: 重新定义主动辅助为上下文决策问题：Agent 不仅感知事件，还基于累积时序上下文判断是否应主动介入，而非被动响应每个检测到的事件。
• 标签: agent multimodal

🔵 扩展阅读（Web）

6. Evaluating LLM Context Window Management in 2026

• 来源: futureagi.com · 2026
• 链接: https://futureagi.com/blog/evaluating-llm-context-window-management-2026
• 摘要: 提出长上下文「保真度」三维评测法：多位置 Needle-in-Haystack、中间丢失测试、注意力预算成本分析。给出各模型有效上下文膝点实测数据。
• 标签: long-context evaluation

其他候选（归档）

Tom 文献雷达 · 轻量版 · 2026-07-16T20:40:00+08:00 · 来源: arXiv + HuggingFace Daily