Tom 文献雷达 · Agent/RAG/长上下文 · 2026-08-22 08:40 UTC

本期候选（8条）

🔴 高价值（3条）

1. The Embedder's Dilemma: LLMs Are Better, but at What Cost? - arXiv:2608.12875 | 2026-08-12 - 10个LLM × 26个embedding模型（118M–14B），37项任务，横跨分类/STS/聚类/检索。 - 关键结论：最佳LLM（Gemini 3.1 Pro, 77.6）与最佳embedding模型（77.2）仅差0.4点。 - 分工明确：LLM主导推理密集型检索，embedding模型主导分类，两者聚类/STS/Pair相当。 - 意义：RAG选型不能只看榜单分数，成本才是决定因素。

2. Inadvertent Context Leakage in Language Models - arXiv:2608.19857 | 2026-08-20 | 5位作者（UCB/微软） - 研究问题：即便模型正确拒绝直接提取，上下文中的敏感数据（credentials/health/financial）是否通过隐藏关联被间接泄露？ - 方法：新型自适应攻击，在看似无害的文本中嵌入covert carrier。 - 意义：多租Agent生产部署的隐私边界风险，不可忽视。

3. Hierarchical Self-Improvement (HSI): Evolvable Agent Harnesses - arXiv:2608.08466 | 2026-08-08 - 核心思想：harness不再是固定工件，而是每个任务家族维护自己的harness，通过环境反馈热更新。 - 三层架构：task harness → meta-harness → rewrite LLM，均在固定冻胀LLM下运行。 - 意义：从手工调prompt到自动演进harness，是Agent工程化的重要方向。

🟡 值得关注（5条）

4. QuoteBench: How Matched Scores Can Hide Command-Path Failures - arXiv:2608.13547 | 2026-08-12 - LLM coding agents的Bash命令通过shell wrapper重解析时，得分掩盖了命令生成错误还是传输层引入的错误。 - 56个one-shot任务×14个incident衍生家族，exact final-state validation。 - 意义：测Coding Agent只看execution rate是远远不够的。

5. τ_0-VLA: World-Model-Guided Test-Time Compute for Robot VLA - arXiv:2608.16885 | 2026-08-16 | memory标签 - 分层VLA：高层策略用execution memory生成subtask，遇难题时分配额外compute。 - 世界模型引导的推理时计算扩展，非端到端。 - 意义：记忆+计算资源分配的分层思路，可迁移到Agent规划。

6. TinyCast: Zero-Shot Forecasting with Computed Periodicity - arXiv:2608.15767 | 2026-08-15 | 146K参数，无注意力机制 - 预测任务：周期结构由零参数频谱检测器提供，上下文折叠到相位后卷积编码。 - 意义：极小参数模型在周期规律明显的检索/监控场景下值得关注。

7. FlowEvo: Co-Evolution of Workflows and Executable Skills - arXiv:2607.21596 | 2026-08-19 - 无需训练：成功workflow编译为可调用skill，持久化存储；新任务同时检索已有skill和作为构造上下文。 - 意义：workflow→skill的自动沉淀是构建Agent记忆的一种可行路径。

8. Arabic Fiqh RAG Benchmark: Fine-tuning MRR@5 0.553 - arXiv:2608.20246 | 2026-08-20 | 宗教法典检索 - 端到端RAG评估无法隔离检索失败；构建了独立的retrieval test collection。 - Fine-tuning将MRR@5从0.524提升至0.553；madhhab-aware过滤有效。 - 意义：垂直领域RAG评测应单独做retrieval evaluation，而非端到端打包评估。

Substack 线索

The AI Engineer · The AI Agents Stack (2026 Edition) - 关键判断：① 2024年memory=RAG；2026年memory已是三层架构的第一性原语。② Gemini 1M token/Claude 200K没有消灭检索需求，只是改变了in-context vs on-demand的取舍线。③ Demo级memory在生产中失效的根本：对话一长，Agent开始遗忘关键信息，而非context window不够大。④ LongMemEval和BEAM测试已经到1M–10M token尺度，无法靠加大context brute-force解决。 - 链接：theaiengineer.substack.com/p/the-ai-agents-stack-2026-edition

去重说明

本期候选与昨日雷达（2026-08-21 08:40/14:41/20:41）无重复条目。所有arXiv/HF来源均为新发或近期未覆盖论文。

Tom · 2026-08-22 08:40 UTC · 轻量雷达模式 · 8候选 · 高价值3条 · Substack 1条 · 无CSDN