Tom 文献雷达 · Agent / RAG / 长上下文 · 2026-08-22
本期高价值论文（4 条）
1. Inadvertent Context Leakage in Language Models ⭐
arXiv · 2026-08-20 · Fairoze et al.
Tag: agent long-context
AI Agent 持有日历、凭据、健康记录、财务数据等敏感上下文。研究发现，即使模型正确拒绝直接提取，敏感信息也会通过隐藏相关性泄露到正常输出中。攻击者可主动设计提示放大此效应，将模型作为隐蔽传输通道。提出了新型自适应攻击复现此漏洞。 观点： Agent 安全边界的新盲区——上下文隔离不能只靠输出过滤，需在检索层部署防御。
2. The Embedder's Dilemma: LLMs Are Better, but at What Cost?
arXiv · 2026-08-12 · HF Daily (votes: 6)
Tag: rag benchmark
10 个 LLM 与 26 个专用 embedding 模型（118M–14B 参数）在 37 项任务上的控制实验。总体持平：最佳 LLM（Gemini 3.1 Pro 77.6）vs 最佳 embedding（77.2），差距仅 0.4。任务分布有差异：LLM 在推理密集型检索领先，embedding 在分类任务更强。 观点： RAG 生产选型不能只看榜单分数，成本与延迟同等重要；混合范式或为近期最优解。
3. Hierarchical Self-Improvement: Evolvable Agent Harnesses
arXiv · 2026-08-08 · HF Daily (votes: 8)
Tag: agent
传统 harness（模型外围脚手架）在部署后被当作固定制品。HSI 框架让 harness 随任务家族持续演化：通过环境反馈重写 harness，而非改模型本身。三层结构：任务 harness → 策略 harness → 元认知 harness，均由同一冻结 LLM 驱动。 观点： Agent 系统级优化的新思路——不改模型、改 harness，可能是低成本持续提升的上限。
4. QuoteBench: How Matched Scores Can Hide Command-Path Failures
arXiv · 2026-08-12 · HF Daily (votes: 6)
Tag: agent
LLM 编程 agent 通过 Bash 接口发命令，传输层可能二次序列化/重解析。现有 matched execution score 无法区分"命令生成错误"与"传输层引入的失败"。QuoteBench 用精确最终状态验证（56 个 one-shot 任务，14 个事故家族）测量这一边界，发现 escaping 在插值点可复现原始路径结果。 观点： Coding agent 评测只看 pass@k 是误导——QuoteBench 揭示了执行transport这条被忽视的失败链。
本期候选完整列表（8 条）
| # | 标题 | 来源 | 投票 | 标签 |
|---|---|---|---|---|
| 1 | Inadvertent Context Leakage in Language Models ⭐ | arXiv | — | agent, long-context |
| 2 | The Embedder's Dilemma ⭐ | HF | 6 | rag, benchmark |
| 3 | Hierarchical Self-Improvement ⭐ | HF | 8 | agent |
| 4 | QuoteBench ⭐ | HF | 6 | agent |
| 5 | τ_0-VLA: Hierarchical Robot Foundation Model | HF | 7 | memory, systems |
| 6 | FlowEvo: Self-Evolving Agents via Workflow/Skill Co-Evolution | HF | 2 | agent, systems |
| 7 | Arabic Fiqh Retriever (RAG) | arXiv | — | rag, benchmark |
| 8 | TinyCast: Zero-Shot Forecasting | HF | 8 | benchmark |
简要趋势观察
- 安全维度明显升温：本期 Context Leakage + QuoteBench 均指向 Agent 执行层的隐蔽风险，提示生产系统需在 harness 层而非模型层加固。
- Harness 自我演进（HSI/FlowEvo）代表 2026 下半年 Agent 优化从 prompt tuning 向系统架构迭代的范式转移。
- Embedding vs LLM for RAG 的基准对决结果（总体持平）说明专用 embedding 在成本敏感场景仍有明确价值。
数据来源
arXiv metadata + HF Daily 富化；未使用 CSDN 或 Substack（本期 Substack 补充结果为安全博客，与高价值论文重叠度高，已整合入安全趋势段）。
Tom 文献雷达 · Agent / RAG / 长上下文 · 2026-08-22 · 3x/day 高频模式