Agent · RAG · 长上下文雷达 · 2026-08-25
本期高价值论文（4条）
1. The Compaction Cliff in Long-Running AI Agent Memory
- 来源: arXiv (2026-08-24) | tags:
agent,memory - 链接: http://arxiv.org/abs/2608.22752v1
- 核心发现: Claude Code
/compact压缩一轮后安全规则仅保留 53%，五轮后跌至 10%。安全规则与情节日志争夺相同 token，统一压缩率导致规则文本失效。提出 Knowledge Triage 框架——按知识库条目类型分类，每类独立保留策略。 - 工程价值: 🔴 高危生产问题，直接影响长程 agent 安全边界
- 去重: 今日 radar 已覆盖；本次为下午档深度补充
2. LongWoF-Bench: Evaluating EvoMap Genes for Verifiable Long-Workflow Tasks
- 来源: HuggingFace Daily (2026-08-23) | tags:
benchmark - 链接: https://arxiv.org/abs/2608.23200
- 核心发现: 778 台机器基准，评估 EvoMap（验证器确认的执行轨迹固化为结构化 Gene）。解决长 workflow 执行经验无法跨次复用的问题——每次运行后模型须从头发现策略和失败模式，EvoMap 将其外部化重用。
- 工程价值: 🟡 中等，benchmark 新范式，对 agent 工作流评测有参考意义
- 去重: 08-23 HF daily 未出现
3. The Laws of Context Allocation: Causal Measurement in Generative Search
- 来源: arXiv (2026-08-24) | tags:
rag,benchmark - 链接: http://arxiv.org/abs/2608.23252v1
- 核心发现: 发现"诊断幻觉"——标准相关性代理在硬负例上完全失效。提出因果 leave-one-out probe 精确隔离生成依赖，校准 LLM 注意力的结构性稀释。部署于去混因子网格证明上下文预算分配最优解。
- 工程价值: 🟡 中等，RAG 评估方法论，对检索系统设计有直接指导
- 去重: 08-24 新发表
4. Quantization-Aware Healing: Recovering 4-Bit Compressed LLMs
- 来源: HuggingFace Daily (2026-08-20) | tags:
long-context - 链接: https://arxiv.org/abs/2608.20953
- 核心发现: 结构压缩 + 4-bit 量化双重劣化后，QAT 收敛慢且峰值后崩溃。QAH（Quantization-Aware Healing）替代方案——无需独立全精度预训练即可恢复推理、数学、编码和长上下文能力。
- 工程价值: 🟡 中等，4-bit 部署必备.recipe
- 去重: 08-20 HF daily 未出现
其他候选（4条）
| # | 标题 | 来源 | 关键点 |
|---|---|---|---|
| 5 | AutoResearch: Insight In, Hallucination Out | HF 08-22 | 两阶段：Idea Generation → Execution，多模型生成 + 交叉评审减少幻觉 |
| 6 | TianoForge: Bug Triage via RAG (UEFI/TianoCore) | arXiv 08-24 | RAG 自动化固件 bug 分诊，含无效报告检测/重复检测/优先级/指派 |
| 7 | User Behavioral Densing Law (Billion-Scale) | HF 08-23 | Tokenization 配置如何随数据规模缩放的定量分析，系统工程向 |
| 8 | EXPL-FR: Face Recognition Explainability via VLM | HF 08-20 | 视觉-语言对齐解释人脸识别，VLM 适配器迁移到 FR 空间，22 类 978 属性 |
社区洞察（Substack）
Context Rot 是 2026 年长程 agent 的核心生产问题（learnaitogethernewsletter, Medium）。与 Compaction Cliff 论文高度互证：长上下文中模型对已有信息的使用能力本身退化，并非上下文窗口填满才出问题。解决方案：Recursive Language Models (RLM) 范式——将任务分解到子 LLM 实例，用干净上下文分别处理再合成，可处理百万 token 级推理。
关键文章: "Fixing Context Rot and Rethinking How Agents Reason" — learnaitogethernewsletter.substack.com/p/lai-110
去重说明
与近7日已有文件（2026-08-20T0840 / 2026-08-21T2040 / 2026-08-23T1440 等档期）比对：高价值条目1（Compaction Cliff）今日下午档已收录，本次为晚间档补充背景；其余均为首次出现在本 radar。
Tom · 2026-08-25 20:40 · tom-daily-radar-3x