Tom 文献雷达 · Agent/RAG/长上下文 · 2026-08-22 20:40 UTC

去重说明

本期候选与今日 08:40 雷达（The Embedder's Dilemma / Inadvertent Context Leakage / HSI / QuoteBench / τ₀-VLA / TinyCast / FlowEvo / Arabic Fiqh RAG）对比，去重后本轮覆盖 3 条新条目。

本期候选（3条，全部高价值）

🔴 高价值

1. TinyCast: 146K参数 · 零样本预测 · 无注意力机制 - arXiv:2608.15767 | 2026-08-15 | HF votes: 8 - 核心：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 + 块自回归分位数解码。 - 在 GIFT-Eval 榜单上，是所有可明确参数量的零样本预测器中最小的；在概率准确率上定义了 size-accuracy 前沿。 - 意义：极小参数 + 无注意力 = 可在边缘设备运行的时间序列/监控类检索场景值得关注；对比 RAG 的冷启动场景有启发。

2. FlowEvo: 工作流与可执行 Skill 共演化框架 - arXiv:2607.21596 | 2026-08-19 | agent+systems 标签 - 无需训练：成功执行的 workflow 动态编译为可调用 skill，存入持久化 bank；新任务同时检索已有 skill 和作为构造上下文。 - 关键特性：同时追踪每个 skill 的使用频次和成功率，用检索结果同时驱动"直接执行"和"上下文构建"两条路径。 - 意义：workflow → skill 的自动沉淀是 Agent 长期记忆的一种可行范式；区别于手工维护 skill 库，FlowEvo 是推理时自演化。

3. τ₀-VLA: 世界模型引导的推理时计算分配机器人基础模型 - arXiv:2608.16885 | 2026-08-16 | HF votes: 7 | memory+multimodal 标签 - 分层 VLA：高层策略用 execution memory 生成 subtask；遇难题时，世界模型评估后分配额外 compute（而非暴力扩展上下文）。 - 非端到端，每个推理步骤可解释性更高。 - 意义：记忆 + 动态计算资源分配的分层思路，可迁移到 Agent 规划和长程任务分解。

Substack 线索（1条）

Agent Memory Is Not RAG: a Practical Map for Building Long-Horizon AI Agents - Claudio Stamile · 2026-01-12 · open.substack.com - 核心观点："short vs long-term memory 二分法不够用"，提出从 forms / functions / lifecycles 三个维度设计 Agent memory。 - 痛点：加了 RAG / long context / 向量库之后，Agent 仍然 drift、重复错误、忘记关键信息——这不是 context 不够大，而是 memory 架构设计本身有问题。 - 意义：对标 08:40 雷达"The AI Engineer"的 memory 三层架构，Stamile 提供了更细粒度的设计地图；两者可互补阅读。

速览·本周高频主题

Tom · 2026-08-22 20:40 UTC · 轻量雷达模式 · 3候选 · 高价值3条 · Substack 1条 · 无CSDN