Tom 文献雷达 · AI Agent · RAG · 长上下文 · 2026-08-15 20:40

概览

主题：AI Agent、RAG、检索、长上下文、评测
来源：arXiv + Hugging Face Daily（2026-08-04 ~ 08-13）
候选总数：8 条
高价值：4 条
Substack：1 条（RAG 2026 现状分析）
CSDN: 未使用

🔥 高价值条目

1. Maglev: Sliding Recurrent Memory

来源: HF Daily · arXiv:2608.02870
标签: rag memory
核心: 固定大小记忆的循环 Transformer，训练时完全并行，泛化滑动窗口注意力的同时保持可并行性。由 Prefiller Q（全历史注意）和 Decoder P（滑动窗口 + 循环 K/V 注入）耦合组成。
意义: 长上下文 RAG 记忆压缩的重要方向，固定记忆大小 = 可预测推理成本，适合生产环境。
链接: https://arxiv.org/abs/2608.02870

2. ParliamentRAG: Authority-Aware Multi-View RAG

来源: arXiv:2608.13410
作者: Tritella, Pozzi, Palmonari
标签: rag benchmark systems
核心: 意大利众议院 RAG 系统，解决议会记录中三大风险：高频发言者主导、话题专家权重缺失、引用归因错误。核心是话题依赖的权威性模型。
意义: 多视图 RAG + 权威性建模 = 更可信的检索增强系统，对知识密集型垂直场景有参考价值。
链接: http://arxiv.org/abs/2608.13410v1

3. When Should Multi-Round RAG Stop? (Search-R1 Stopping)

来源: arXiv:2608.13237
作者: Weimeng Luo
标签: rag benchmark
核心: 多轮检索 RAG 的停止判断问题，将其形式化为序贯选择而非独立状态分类。适配 S2G-RAG 的结构化充分性+缺口判断，用 Qwen3.5-2B 作为 judge，在 900 题 HotpotQA 上冻结其余组件。
意义: RAG 评测的关键缺失环节——何时停止检索？解决该问题可直接降低生产 RAG 的无谓检索开销。
链接: http://arxiv.org/abs/2608.13237v1

4. Specification-First AI Coding Agent: 189 Files / 717k Lines Case Study

来源: arXiv:2608.12440
标签: agent systems
核心: AI 编码智能体在规格优先协议下，在 717k 行生产级 TypeScript 代码库中完成大规模架构重构（无人工代码审查、无测试预言），涉及 189 文件的核心不变量拆除。
意义: 展示了无测试护栏和人工兜底情况下，AI Agent 完成大型重构的可行路径。对 AI 工程化有重要参考价值。
链接: https://arxiv.org/abs/2608.12440

📋 完整候选列表（8 条）

#	标题	来源	标签	亮点
1	Maglev: Sliding Recurrent Memory	HF · arXiv:2608.02870	`rag` `memory`	固定记忆循环 Transformer，可并行训练，泛化滑动窗口
2	ParliamentRAG: Authority-Aware Multi-View RAG	arXiv:2608.13410	`rag` `benchmark`	议会记录多视图 RAG，话题权威性建模
3	When Should Multi-Round RAG Stop?	arXiv:2608.13237	`rag` `benchmark`	Search-R1 停止判断，序贯选择问题
4	Spec-First AI Coding Agent (189 files / 717k LOC)	arXiv:2608.12440	`agent` `systems`	大规模架构重构案例，规格优先协议
5	Thought-Level Beam Search for Reasoning	HF · arXiv:2608.08020	`memory` `systems`	测试时计算分配，约束推理问题
6	Hybrid-Policy Self-Editing for Unstructured KE	HF · arXiv:2608.11660	`research`	自由形式知识编辑，UKE 新范式
7	Context-Matched Distillation (Video)	HF · arXiv:2608.13391	`multimodal` `systems`	因果蒸馏，Few-step 视频生成
8	Low-Frequency Safety Risks in LALMs	HF · arXiv:2608.09158	`benchmark`	音频模型低频安全红队

📡 Substack 线索

RAG in 2026: Is RAG Still Relevant? - 来源: commandcode.ai（综合分析） - 核心结论: 混合架构（Hybrid）是 2026 年主流方向——RAG + 长上下文并行使用，非替代关系。RAG 平均 $0.00008/次 vs 长上下文 ~$0.10/次，差距约 1250 倍。60% 的生产 LLM 应用仍使用 RAG；RAG 框架使用量 2024-2026 增长 400%。Agentic RAG 失败常在推理启动前（context engineering 不足）。 - 链接: https://commandcode.ai/guides/rag-in-2026

备注

本轮未使用 CSDN（无源码/复现/排障线索）
与 2026-08-14 雷达去重后保留全部 8 条（今日候选无重复）
轻量模式 · 10 分钟内完成