Tom 文献雷达 · Agent · RAG · 长上下文 · 2026-08-23
候选概览（8 条）
| # | 标题 | 来源 | 投票 | 核心标签 |
|---|---|---|---|---|
| 1 | Hierarchical Self-Improvement: A Framework for Task-Specific Evolvable Agent Harnesses | arXiv | ⭐10 | agent |
| 2 | The Embedder's Dilemma: LLMs Are Better, but at What Cost? | arXiv | ⭐7 | rag, benchmark |
| 3 | QuoteBench: How Matched Scores Can Hide Command-Path Failures | arXiv | ⭐7 | agent |
| 4 | τ_0-VLA: Hierarchical Robot Foundation Model with World-Model-Guided Test-Time Computation | HF | ⭐9 | memory, multimodal |
| 5 | TinyCast: Probabilistic Zero-Shot Forecasting with Computed Periodicity | HF | ⭐8 | benchmark |
| 6 | FlowEvo: Self-Evolving Agents through Co-Evolution of Workflows and Executable Skills | HF | ⭐2 | agent, systems |
| 7 | Inadvertent Context Leakage in Language Models | arXiv | — | agent, long-context |
| 8 | What Makes a Good Fiqh Retriever? Answer Retrieval for Arabic Islamic Jurisprudence | arXiv | — | rag, benchmark |
🔴 高价值条目（4 条）
H1 · Hierarchical Self-Improvement (HSI)
- URL: https://arxiv.org/abs/2608.08466
- 投票: 10（本次最高）
- 摘要: harness（测试框架）本身作为可演进构件，三级层次结构：task harness → improvement harness → meta harness，冷启动后无需人工干预即可持续自我改进。
- 要点: Agent 自我改进从 prompt 层面下沉到执行框架层；固定 LLM + 动态 harness 组合是 2026 年明显趋势。
- 标签: agent / systems
H2 · The Embedder's Dilemma
- URL: https://arxiv.org/abs/2608.12875
- 投票: 7
- 摘要: 10 个 LLM × 26 个 embedding 模型，37 项任务，成本-aware 对比。总体平局（Gemini 3.1 Pro 77.6 vs 最佳 embedding 77.2），但擅长领域分化：LLM 在推理型检索领先，embedding 在分类任务更强。
- 要点: "LLM vs embedding" 不是非此即彼，混合pipeline仍是最优解；RAG 系统选型需按任务类型分流。
- 标签: rag / benchmark
H3 · Inadvertent Context Leakage
- URL: http://arxiv.org/abs/2608.19857v1
- 发表: 2026-08-20（极新）
- 摘要: Agent 持有敏感上下文（凭证、健康、财务记录）时，即使模型正确拒绝直接提取，上下文本身的存在仍会在输出中引入隐藏相关性，造成间接泄漏。攻击者可利用看似无害的文本作为隐蔽信道。
- 要点: 长上下文 Agent 的隐私边界问题；context window 不等于安全边界；是 Agent 安全领域的重要新发现。
- 标签: agent / long-context / security
H4 · QuoteBench
- URL: https://arxiv.org/abs/2608.13547
- 投票: 7
- 摘要: 测评 LLM coding agent 输出 Bash 命令的边界：生成结果与执行传输之间的错误归属问题。用 exact final-state validation 区分生成错误和传输引入的错误。
- 要点: Agent 评测方法论贡献；揭示"matched execution scores"可能掩盖传输层问题；对 Agent 工程实践有直接排障价值。
- 标签: agent / benchmark
🟡 辅助线索（Substack/Web）
S1 · RAG vs Long Context 生产对比数据（2026）
- 来源: Wire Blog (usewire.io)
- 摘要: 2026 年实测数据——RAG 单次查询约 $0.00008，长上下文约 $0.10（1250 倍差距）；延迟 RAG ~1s vs 长上下文 ~45s。相关性强但位于上下文中间位置时准确率下跌 30%+。最优解为混合：先检索缩小范围，再用长上下文跨chunk推理。
- 价值: 成本-效果量化数据，生产决策参考。
附 · EITT Academy: AI Agents 2026 演进图
三层 memory 模型（working/context/retrieval）已成 2026 标准架构；长上下文没有杀死 RAG，而是改变了二者的分工边界。
去重说明
- 相比 2026-08-22 雷达：本轮 HSI（2608.08466）为全新条目；FlowEvo 曾在 08-21 出现类似工作（inference-time skill compilation），本轮低票（2）但仍收录。
- Embedder's Dilemma（2608.12875）与 08-22 的 Embedder's Dilemma 属同一论文，持续高价值。
- Substack 线索：本次无独立 Substack 来源，以 Wire Blog 替代，内容含 2026 量化数据。
元数据
- 生成时间: 2026-08-23T08:40 CST
- 提供者: tom-daily-radar-3x
- 候选JSON: /shared/research-kb/inbox/tom/_candidates/2026-08-23-agent-rag-longcontext-candidates.json
- 锁TTL: 1500s