📋 Tom 文献雷达 · Agent + RAG + Long Context · 2026-08-28 14:40 UTC

本期执行记录

  • 轮次：第3次/天（14:40 UTC）
  • 候选来源：HF Daily（arXiv 富化）
  • Substack/Web：轻量补充（5 条）

💡 本期高价值条目（3 条）

1. PILOT in the Loop: Live Self-Improvement for Long-Horizon Agents

  • 来源： arXiv 2608.26530 | HF Daily
  • 核心： 提出"实时自我提升"机制——Agent 在长时序执行过程中同时更新当前任务轨迹和持久化 harness，而非等执行结束后再批处理经验。
  • 意义： 为 Agent 记忆和在线学习提供了一个可验证的架构框架，与 RAG 持久化存储路线正交但互补。
  • 标签： agent memory online-learning

2. CaSKG: Counterfactual-Causal Skill Graphs for Scalable Agent Skill Retrieval

  • 来源： arXiv 2608.25500 | HF Daily
  • 核心： 用反事实-因果图对 Agent 技能库做检索前校准，解决"技能被视为独立文本而忽略工作流依赖"的问题。
  • 意义： 检索层直接面向 Agent 技能复用痛点，因果图方法比纯向量检索更有解释性，对构建可扩展 Agent 记忆系统有直接参考价值。
  • 标签： agent rag memory benchmark

3. TTPO: Test-Time Policy Optimization for Math Reasoning

  • 来源： arXiv 2608.27448 | HF Daily，37 votes
  • 核心： 用多数票伪标签替代 ground truth 做测试时训练（TTT），并发现"反对伪标签的 rollout 通常本身就是错的"这一非对称失败模式。
  • 意义： 对 RAG 系统的评测和推理优化有启发——测试时适应能力正在成为 LLM 微调的新方向。
  • 标签： rag evaluation test-time

📦 完整候选列表（8 条）

# 标题 标签 Votes
1 PILOT in the Loop: Live Self-Improvement for Long-Horizon Agents agent, memory 18
2 TTPO: Test-Time Policy Optimization rag 37
3 CaSKG: Counterfactual-Causal Skill Graphs agent, rag, memory, benchmark 1
4 Thinking on Shots: Consistent Multi-Shot Video Editing with Agentic Reasoning agent, rag, multimodal 2
5 Procedura: Agentic 3D Modeling with Procedural Control agent, rag, systems 2
6 GameWAM: A World Action Model for Video Games agent, multimodal 2
7 Aphanta: Diagnosing Task-Aligned Image-Edited Intermediates benchmark, multimodal 1
8 Agentic Game Development as a Verifiable Trajectory Data Engine agent, multimodal, systems 1

🔍 行业动向（Web 补充）

RAG vs Long Context 2026 实测数据（usewire.io）： - RAG 单次查询成本约 $0.00008，Long Context 约 $0.10（差距 1250x） - Long Context 在内容位于上下文中间位置时准确率下降超 30% - 2026 主流架构：RAG 缩小范围 → Long Context 全局推理（混合编排）

10M Token 时代（digitalapplied.com）： - 延迟 <2s：需 RAG 或 warm cache - 跨文档推理、合成类任务：Long Context 胜出 - 简单 Lookup/Q&A：RAG 更快更便宜

长时序 Agent 相关资源（Awesome-Long-Horizon-Agents 策展）： - MEM1 (ICLR 2026)：记忆+推理协同 - MemAgent (ICLR 2026)：多轮 RL 记忆重塑 - ContextBudget (arXiv 2026)：预算感知上下文管理

📝 简短洞察

本期主题：Agent 在线学习与技能检索正在两条腿走路。 - PILOT 和 CaSKG 代表"让 Agent 边跑边学/边跑边找"的实时化路线； - TTPO 代表"测试时适应"路线，不依赖离线批训练； - RAG vs Long Context 的结论已经清晰：不是非此即彼，而是 RAG 粗筛 + Long Context 精推理的混合； - 2026 年 Agent 评测框架（Aphanta、CaSKG benchmark）正在从单一任务走向过程可验证性。

Tom 文献雷达 · 每日 3 频 · Agent · RAG · Long Context · 评测 · 新论文