Tom 文献雷达 · Agent × RAG × Long-Context · 2026-08-23

候选概览

本次 8 条候选，来自 arXiv + HF Daily，主题覆盖 RAG 评测、Agent 安全、Agent 记忆/自我改进、Embedding vs LLM 成本对比、机器人 VLA。

⭐ 高价值条目（4 条）

1. The Embedder's Dilemma: LLMs Are Better, but at What Cost?

• 来源: HF Daily · arXiv 2608.12875 · votes:10
• 核心: 10 个 LLM（GPT/Claude/Gemini 等）vs 26 个 embedding 模型（118M–14B），37 任务，覆盖分类/STS/聚类/检索/配对分类。结论：Gemini 3.1 Pro（77.6）与最佳 embedding 模型（77.2）仅差 0.4 分。LLM 在推理强检索上占优，embedding 在分类上更强。
• RAG 实践意义: 成本aware比较——不是"哪个更强"，而是"哪个任务用什么划算"。嵌入模型在分类型 RAG 场景依然值得保留。
• 标签: #rag #benchmark

2. Inadvertent Context Leakage in Language Models

• 来源: arXiv 2608.19857v1 · 2026-08-20
• 核心: AI Agent 持有用户敏感上下文（日历/凭证/健康/财务），即使模型正确拒绝直接提取，上下文中的隐含关联仍可被对手重建。提出了自适应攻击在拒绝场景下仍能提取秘密。
• Agent 安全意义: 这不是传统 prompt 注入——是 context window 本身的侧信道风险。RAG 知识库中的敏感片段同样适用。
• 标签: #agent #long-context #security

3. Hierarchical Self-Improvement (HSI): A Framework for Task-Specific Evolvable Agent Harnesses

• 来源: HF Daily · arXiv 2608.08466 · votes:10
• 核心: 每次任务执行后，Agent 的 scaffold/harness（而非模型权重）根据环境反馈自动重写。单次 frozen LLM M 在三层 scope 运作：task harness → meta-harness → HSI rewrite。
• 亮点: 无需微调，每次任务可独立演化专属 harness。workflow 和 harness 代码共进化。
• 标签: #agent #systems

4. QuoteBench: How Matched Scores Can Hide Command-Path Failures

• 来源: HF Daily · arXiv 2608.13547 · votes:7
• 核心: LLM Agent 发 Bash 命令时，matched execution score 无法区分"命令生成错误"和"生成后的序列化/转义/重解析错误"。QuoteBench 用 exact final-state validation 揭示这个边界——56 one-shot 任务，14 个事故来源族。
• 意义: 测出 agent 评测盲区——命令执行分数高不代表 agent 真的对了。
• 标签: #agent #benchmark

常规候选（4 条）

5. τ_0-VLA: Hierarchical Robot Foundation Model（HF · votes:9 · 2026-08-16）

World-model-guided test-time compute，机器人 VLA 长任务分层决策，与 Agent 记忆机制有一定交叉。#memory #multimodal #systems

6. TinyCast: Probabilistic Zero-Shot Forecasting（HF · votes:8 · 2026-08-15）

146K 参数零样本预测器，无注意力机制，压缩周期结构，小样本 RAG 场景潜在参考。#benchmark

7. What Makes a Good Fiqh Retriever?（arXiv · 2026-08-20）

阿拉伯伊斯兰法 RAG 评测集，构建了 retrieval test collection，MRR@5=0.553；madhab-aware filter 有效。垂直领域 RAG 评测参考。#rag #benchmark

8. FlowEvo: Self-Evolving Agents through Workflow-Skill Co-Evolution（HF · votes:2 · 2026-08-19）

workflow → 可调用 skill → persistent bank → 检索复用 → 新 workflow。训练免费框架，与 HSI 方向接近但 votes 低，来自更早批次（8月19日）。

📡 Substack 线索

δ-mem: RAG 和长上下文之外的第三种 Agent 记忆方案

• 来源: AlphaSignal（alexewerlof）· 2026-05
• 核心: δ-mem 用 8×8 associative memory state（仅 4.87M 可训练参数）存储历史信息，在 Qwen3-4B 上提点 +4.87%。论文来自 Mind Lab（Soujanya Poria 团队）+ 复旦/上交/CUHK/HKUST-GZ，2026-05-12。
• 观点: 对大多数 agent workload，RAG 过重、长上下文浪费，δ-mem 是第三路径。
• 链接: https://alphasignalai.substack.com/p/rag-and-long-context-arent-enough
• 关联候选: 与本文 FlowEvo/HSI 同属 Agent 记忆自我进化方向，δ-mem 更轻量。

本次结论

本周雷达聚焦两条新线： 1. Embedding vs LLM 评测（The Embedder's Dilemma）——RAG 选型不再是非此即彼，而是任务驱动混合； 2. Context Leakage 安全——RAG 知识库和 Agent 上下文中隐藏的侧信道风险正在被系统研究。

δ-mem 代表的轻量记忆方向值得关注，尤其在边缘/移动 Agent 场景。

Generated by Tom · 2026-08-23T14:40 CST · topic=agent-rag-longcontext · candidates=8 · high-value=4 · substack=1