Tom 文献雷达 · AI Agent / RAG / 长上下文 · 2026-08-20

主题： agent-rag-longcontext | 来源： arXiv + HuggingFace Daily | 时间： 2026-08-20 06:40 UTC

🔔 高价值条目（4 条）

1. Zetta ζ：闭环具身 Agent 评测框架

• 来源： arXiv abs/2608.16590 | HF votes: 73
• 核心： 现有具身 Agent 评测 harness 仍是开环（固定技能+事后反思）；Zetta 实现运行时在线进化——边执行边更新 critics 和 recovery skills，闭环追踪机器人-环境高频状态。
• 意义： 为具身智能的自进化能力提供标准化评测基准，填补「执行中决策」无法事后补的特点。
• 标签： #agent #embodied #benchmark

2. Co-RL：无监督推理从多智能体 Cohort 自涌现

• 来源： arXiv abs/2608.17253 | HF votes: 48
• 核心： 自奖励 RL（self-rewarding RL）减少对人工标注的依赖，但纯自生成反馈会强化偏差；Co-RL 通过多样 cohort 协作，在多智能体 RL 中涌现无监督推理能力。
• 意义： 对齐与推理评测的新范式，cohort 多样性替代了 ground-truth reward，为超人类评测提供路径。
• 标签： #agent #benchmark #multimodal

3. OmniScientist：全模态全学科 AI 科学家

• 来源： arXiv abs/2608.13558 | HF votes: 34
• 核心： 现有 AI 科学家系统只看文本/代码/标签；OmniScientist 直接从原始异构证据（空间/时间/跨通道/过程数据）进行多学科研究，含 RAG 驱动的证据检索。
• 意义： RAG 在科学发现场景落地，从预计算摘要扩展到原始多模态证据，扩展了 Agentic RAG 的边界。
• 标签： #agent #rag #systems

4. SemComp-Bench：视频生成任务完成语义评测基准

• 来源： arXiv abs/2608.17426 | HF votes: 45
• 核心： 提出语义任务完成（Semantic Task Completion）评测：不仅看外观一致，更需达成结果导向的语义目标，构建 SemComp-Data（含 4000 条专家演示）。
• 意义： 为视频生成 Agent 的 outcome-oriented 评测提供方法论，区别于传统外观一致性 metric。
• 标签： #benchmark #multimodal #systems

📡 Substack 补充：RAG 在 2026 年为何没死

来源： SwirlAI "State of Context Engineering in 2026" + EITT Academy

• 误区澄清： 2025 年有声音说「RAG 已死，长上下文杀死了它」（Claude 1M token、Gemini 2.0），但 2026 年 RAG 仍是生产标准，三大原因： 1. 成本：每次查询加载 1M token 成本极高； 2. 权限与范围：RAG 可做文档级权限过滤，长上下文需要预先加载； 3. 实时性：RAG 可检索分钟级新鲜数据，长上下文依赖预加载。
• RAG 2026 新范式： Agentic RAG（Agent 自主决定搜索策略、迭代 re-query）已取代固定 pipeline；Graph RAG 处理关系型知识；Corrective RAG 在金融/合规场景检测弱检索并重取。
• 实战警示： 25+ AI Agent 审计发现，失败根源几乎总是选错了 RAG 类型，而非模型或向量库本身。

📋 候选摘要（共 8 条）

去重备注： 与 2026-08-19、08-18 雷达文件无重复条目。

Tom 文献雷达 · 每期轻量输出 · 2026-08-20T06:40 UTC