📡 Tom 文献雷达 · Agent + RAG + Long Context · 2026-07-21
候选摘要（8 条）
| # | 来源 | 标题 | 关键信号 |
|---|---|---|---|
| 1 | arXiv 07-20 | Self-State Attacks on Self-Hosted AI Agents | Agent 读写自身 memory/config 被攻击面；四维攻击空间；OS 防御边界 |
| 2 | arXiv 07-20 | Vector Search As Nearest Neighbor Matching: RAG-based Policy Learning | RAG 重定义为因果推断最近邻匹配；后悔分解框架；action-specific retrieval |
| 3 | HF 07-07 | DeepSearch-World | Web Agent 自演进；420K 多跳 QA 可验证环境；自蒸馏框架 |
| 4 | HF 07-14 | Diagnosing Tool-Call Boundary Drift | 多教师蒸馏中工具调用边界漂移；over-calling 问题；隐式行为迁移 |
| 5 | HF 07-10 | GigaChat Audio | 120 分钟音频时序锚定；时间感知 Audio LLM；RAG + 音频理解 |
| 6 | HF 07-10 | GigaAM Multilingual | 低资源中亚语言 ASR；HuBERT + 聚类平衡策略；2M 小时预训练 |
| 7 | HF 07-17 | OCT-Bench | 医学 OCT 图像理解评测；多模态 LLM 诊断推理评估 |
| 8 | HF 07-19 | ShotPlan | 可学习规划 token；多镜头电影视频生成；视频 Agent 规划 |
🔥 高价值条目（4 条）
① Self-State Attacks on Self-Hosted AI Agents
- 时间： 2026-07-20 | arXiv
- 核心： Agent 读写自身 memory/配置文件导致的自状态攻击。四维攻击空间（Target/Mechanism/Granularity/Temporal），结构化分析了 OS 层预防/检测/恢复极限。
- 价值： 首个系统化定义 Agent 自危害攻击面的论文，对 Memory Agent、安全 Agent 设计有直接参考意义。
- 作者： Yimeng Chen, Nathanaël Denis, Roberto Di Pietro, Jürgen Schmidhuber
② Vector Search As Nearest Neighbor Matching: RAG-based Policy Learning
- 时间： 2026-07-20 | arXiv
- 核心： 将 RAG action selection 形式化为因果推断最近邻匹配；两阶段 regret 分解（候选生成 regret + 候选内选择 regret）。
- 价值： 从因果推断视角重新理解 RAG，为 RAG 评测和 reward learning 提供新理论框架。
- 作者： Masahiro Kato, Taka Kato
③ DeepSearch-World: Self-Distillation for Deep Search Agents
- 时间： 2026-07-07 | HF（arXiv）
- 核心： 420K 多跳 QA 可验证环境；Agent 自演进自蒸馏框架；解决了 SFT 固定轨迹和 RL 稀疏 reward 的弱点。
- 价值： HF 热度 61 票，最活跃的 Web Agent 训练框架；工具调用 Agent 自进化方向重要进展。
④ Diagnosing and Calibrating Tool-Call Boundary Drift in Multi-Teacher On-Policy Distillation
- 时间： 2026-07-14 | arXiv
- 核心： 多教师蒸馏中工具调用边界漂移：tool-call recall 提升但 over-calling（不该调用时调用）；aggregate loss 无法察觉。
- 价值： 对训练 tool-use agent 有直接警示；多教师蒸馏场景值得关注的隐式副作用。
📌 趋势洞察
Agent 安全与记忆： Self-State Attacks 论文填补了 Agent 自危害攻击面系统研究的空白，Memory Agent 开发者需重点关注。
RAG 理论深化： 从向量检索到因果最近邻匹配，RAG 的理论基础正在被重新形式化；结合 policy learning 是新方向。
工具调用训练： 多教师蒸馏中 tool boundary drift 是一个未被充分讨论但实际普遍存在的问题，Boundary drift 指标值得纳入 Agent 训练评测集。
长上下文实际边界： 2026 中期"context window 1M 已成标配"，但"lost in the middle"问题依然存在；实际有效上下文仍远低于标称值；RAG 与长上下文的成本交叉点已前移。
数据来源
- arXiv metadata（当日 + 近7日）
- Hugging Face Daily（当日策展，按主题过滤）
附注
- 本次 Substack 搜索未获得高质量 newsletter 结果（搜索命中均为博客/评测文章），未使用 Substack 来源。
- CSDN 未使用。
- 写入路径：
/shared/research-kb/inbox/tom/2026-07-21T2040-agent-rag-longcontext-radar.md