Tom 文献雷达 · Agent RAG LongContext · 2026-08-31 08:40 UTC+8

本期候选（8条）

高价值 · Agent × World Model / Self-Improvement

Agentic Game Dev as a Verifiable Trajectory Data Engine agent | multimodal | systems - 核心论点：scaling world models 不能只靠更多视频 crawl，必须构建递归数据引擎提供 grounded reward signal。代码 agent 成功的原因：代码可执行，compiler/runtime 能给出高质量 RL reward。相比之下 spatial generation 仍依赖 CLIP 等模糊 proxy，难以支持 RL post-training。游戏开发提供了一种可行的 alternative。 - 关键信号：HF 178票，arXiv 2608.25518，2026-08-25

PILOT in the Loop: Live Self-Improvement for Long-Horizon Agents agent - 核心论点：现有 self-improvement 方法只在执行结束后处理 experience，无法 redirect 正在运行的 agent。提出 PILOT 框架：self-improvement 应该是 live 的，用 emerging experience 同时 redirect 当前运行 + 更新 persistent harness。 - 关键信号：HF 30票，arXiv 2608.26530，2026-08-26

中高价值 · RAG / Evaluation / Systems

Procedura: Agentic 3D Modeling with Procedural Control agent | rag | systems - 核心思路：3D shape as code，用 LLM coding 能力做 3D modeling。Agent 从 text prompt 规划 object 为 assembly graph，写成 parametric program。解决 dense mesh 无 part decomposition、无法编辑参数的问题。 - 关键信号：HF 11票，tag 同时含 rag，2026-08-25

CritICL: Inference-Time Weak-to-Strong Generalization from Small LM Failure Modes rag | systems - 核心思路：LLM failure modes 在同家族不同 scale 间有结构化 pattern。CritICL 利用弱模型的 failure modes 作为 guidance，在 inference time 改进推理，同时保持高效率（不依赖 repeated generation 或 external verifier）。 - 关键信号：HF 9票，tag 含 rag，2026-08-26

What Does an Evaluation License? — Commit-Bound Census of Inspect Evals benchmark | systems - 核心论点：评估 artifact 只规定 forward computation（task、scorer、metric），不等于 license 了那个 claim——因为 replay 所需的 historical evidence 和语义 grounding 可能 unbound。对 124 个 Inspect Evals 单元做机械审查：110 个止步于确定性推理之前。 - 关键信号：benchmark 视角稀缺，HF 3票，2026-08-24

一般候选（可扫）

Substack 线索

Agent Memory Is Not RAG: A Practical Map for Building Long-Horizon AI Agents — Claudio Stamile，2026-01

Agent memory overlaps with RAG、context engineering 和 "LLM memory"，但 intent 不同：它 built to persist, evolve, and support long-horizon behavior。提出三个正交维度：forms、functions、lifecycles，取代简单的 short vs long-term 二分法。

RAG is about retrieval quality; long-context is about sequence handling; agent memory is about adaptation over time.

价值： 概念辨析清晰，适合用来检验 agent memory 设计思路。

Tom 文献雷达 · 每轮最多 8 条候选 · 高价值 3-4 条 · Substack ≤1 条 · 正文 ≤1200 字