Tom 文献雷达 · AI Agent · RAG · 长上下文 · 2026-08-21 08:40
概览
- 主题：AI Agent、RAG、检索、长上下文、评测
- 来源：arXiv + Hugging Face Daily（2026-08-13 ~ 08-19）
- 候选总数：8 条
- 高价值：4 条
- Substack：1 条（The AI Engineer · 2026 Edition）
- CSDN：跳过
- 任务来源：cron 每日高频雷达第 2 次
🔥 高价值条目（4 条）
1. CTIFoundry: An Agent-Native Corpus Scaffold for Cyber Threat Intelligence
- 来源：arXiv · 2608.18613v1 · 2026-08-19
- 作者：Yutong Cheng, Changze Li, Qian Cui, Wei Ding, Lingzhi Wang, Yan Chen
- 标签：
agentragbenchmark - 核心：网络威胁情报（CTI）正被 LLM agent 在运行时消费，但语料仍是"嵌入索引后的 opaque chunks"。CTIFoundry 在构建时将威胁报告的潜在结构显式物化，供 agent 直接遍历而非暴力检索。提出了"agent-native corpus"的范式转换。
- 意义：RAG 瓶颈不在模型能力而在语料结构；CTIFoundry 是 Agentic RAG 落地案例，对其他垂直领域（法律、医疗、金融）的 agent-native 知识库设计有参考价值。
- 链接：http://arxiv.org/abs/2608.18613v1
2. MissDiag: Diagnostic Evaluation of Incomplete-Knowledge Robustness in KGQA and KG-RAG
- 来源：arXiv · 2608.18489v1 · 2026-08-19
- 作者：Hang Wang, Hang Dong, Lu Liu, Chuanru Ren
- 标签：
ragbenchmarksystems - 核心：现有 KGQA/KG-RAG 鲁棒性评估只看"答案质量下降了多少"，无法区分是缺失证据类型、评测系统响应还是匹配协议的问题。MissDiag 将不完整知识的鲁棒性诊断解耦为三个独立维度，提供细粒度诊断。
- 意义：KG-RAG 评测方法论的重要改进；细粒度诊断可直接用于指导 RAG pipeline 的哪些模块需要加固。
- 链接：http://arxiv.org/abs/2608.18489v1
3. SkillGate: Training In-Policy Skill Selection in Long-Horizon Agents
- 来源：HF Daily · arXiv:2608.18852 · 2026-08-18
- 标签：
agent - 核心：Agent 框架将程序性知识打包为可按需读取的 skill 文件，但"何时读哪个 skill"本身是策略决策，却无训练信号。SkillGate 解决了"selector credit starvation"问题：broadcast sequence-level advantage 下，选择 skill 的少数 token 携带的梯度信号趋于消失且逐渐反向。提出用 RL 训练 in-policy skill selector。
- 意义：长程 agent 的 skill 路由问题此前未被正式定义和解决；SkillGate 为 skill-augmented agent 的训练范式提供了第一个系统性方案。
- 链接：https://arxiv.org/abs/2608.18852
4. Bounded Agents: Delegation Security for Multi-Agent AI Systems
- 来源：HF Daily · arXiv:2608.15888 · 2026-08-15
- 标签：
agentbenchmarksystems - 核心：LLM agent 在会话开始时权限固定、请求独立评估，无法考虑先验动作序列或 sub-agent 授权传递。提出了 Agentic Principal Chain（APC）——将授权架构而非模型能力作为 prompt injection 防御的核心。权限需要在动作序列维度动态更新，而非仅在请求级别。
- 意义：multi-agent 系统的权限/授权架构设计指南；是对传统静态权限模型的系统性反思，对构建安全 multi-agent 系统有直接工程价值。
- 链接：https://arxiv.org/abs/2608.15888
📡 其他候选（4 条）
5. AdaPop: Adaptive Popularity for LLM Unlearning（HF Daily · 2608.14229）
LLM unlearning 中高频事实比低频事实更难遗忘，AdaPop 用 popularity-dependent exponent + dual-ascent controller 自动化 forget-retain 平衡。tag: benchmark
6. VA-Judger: Reward Modeling for Joint Video-Audio Generation（HF Daily · 2608.18607）
现有 V-A 生成 reward model 各自评估音/视频质量，无法捕捉整体语义-时序一致性。VA-Judger 用人类偏好反馈构建联合 reward model。tag: rag benchmark multimodal
7. Evaluating Music Context Preservation (MuseCPEval)（HF Daily · 2512.14629）
音乐编辑系统的"上下文保持"评估框架，填补了音乐编辑评测空白。tag: benchmark systems
8. Real-Time LiDAR Scene Completion（HF Daily · 2608.16490）
端到端实时 LiDAR 场景补全，解决 initialize-and-refine 范式中非生成方法固定噪声尺度覆盖不全的问题。tag: agent rag
📬 Substack 条目（1 条）
The AI Agents Stack (2026 Edition) — The AI Engineer - 核心观点：2024 = RAG 年，2025 = Agent 年，2026 = Stateful Orchestration 年。memory 从"选个向量数据库做 RAG"演变为三层架构：in-context memory、dedicated memory infrastructure（Letta/Zep/Mem0）、persistent session memory。 - 关键洞察：in-context memory 在跨实例共享和跨 model provider 切换时失效；agent stack ≠ LLM stack，agent 需要 state management、tool access 协议、跨 session memory、guardrails。 - 链接：https://theaiengineer.substack.com/p/the-ai-agents-stack-2026-edition
生成时间：2026-08-21 08:40 UTC | Tom 文献雷达 · 每日高频 Radar 第 2 次