Tom 文献雷达 · Agent + RAG + Long Context · 2026-09-01 08:40
本期候选（8 条）
| # | 标题 | 来源 | 关键信号 |
|---|---|---|---|
| 1 | LoopArena: Benchmarking Models As Runtime Controllers for Loop Engineering | HF Daily (85票) | Agent 循环执行benchmark；鉴别"loop策略"与"执行能力"；8月27日 |
| 2 | CamoDocs: A Poisoning Attack Against Retrieval-Augmented Language Models | arXiv 2608.28389 | RAG投毒攻击；伪装文档规避过滤；对抗性chunk混入良性内容；8月28日 |
| 3 | LINE Conversation History Retrieval for Personal Memory RAG | arXiv 2608.27809 | 个人记忆RAG评测；BM25 vs向量 vs混合召回；22k对话chunk；8月28日 |
| 4 | CrabOS: An Operating System for Human-AI Co-inhabitation | arXiv 2608.28165 | Agent人机协同状态交接；共享工作环境；Qi Yang, Yun Ma；8月28日 |
| 5 | Sliding-window beats linear attention | HF Daily | 滑动窗口 vs 线性注意力；长上下文记忆效率；8月27日 |
| 6 | EvoUndo: Recoverability-Constrained Self-Evolution for LLM Agent Harnesses | HF Daily | Agent自修改可逆性验证；跨反事实状态诊断；8月27日 |
| 7 | Act with Intent: Distilling Behavior Intent for Vision-Language-Action Models | HF Daily (24票) | VLA多模态行为意图蒸馏；与Agent记忆关联弱 |
| 8 | Acquire, Repair, Preserve: Small-Model Dialogue Game Agents | HF Daily | 小模型对话游戏Agent；诊断→SFT→修复流程；8月27日 |
⭐ 高价值条目（4 条）
1. LoopArena ⭐⭐⭐⭐⭐
Agent Loop 控制器的 benchmark。与其手工写 prompt，不如设计监控→分配→检查→决策循环。即使 LLM 强，loop 也会因"信任过期进度、跳过验证、花错预算"导致失败。LoopArena 可量化"loop 策略质量"与"Agent 执行能力"的各自贡献——这对搭建生产级 Agent 系统有直接参考价值。
结论： Agent 系统的评测新方向，votes 85 印证社区热度，值得深入。
2. CamoDocs ⭐⭐⭐⭐⭐
RAG 系统投毒攻击。把恶意文档伪装成良性 chunk 混入，不依赖直接 query 包含，因此传统过滤失效。攻击者可通过公开或用户可编辑数据源注入，对知识库 RAG 场景威胁直接。
结论： 所有使用外部知识库的企业 RAG 系统都应关注；对抗性数据管道现在是必要防御层。
3. LINE Conversation History Retrieval（个人记忆 RAG 评测）⭐⭐⭐⭐
在 LINE 对话历史上做检索召回实验。结论：
embedding_text_bm25（混合）超过单独向量或 BM25；在个人记忆场景下，summary+原文片段+固定文本的组合表示效果最好。
结论： 实用性强，对话系统/记忆模块设计者直接参考；非技术作者也能理解价值。
4. CrabOS：人机协同操作系统的概念架构 ⭐⭐⭐⭐
Agent 与人类交替主导执行，需要无缝交接"任务工作状态"。现有系统让人/AI 分隔，Agent 依赖额外桥接才能访问工作状态。CrabOS 提出共享工作环境，实现人机状态无缝传递。
结论： 长生命周期 Agent 的基础设施方向，概念新，值得架构师关注。
📬 Substack 线索（1 条）
δ-mem: 高效在线记忆，RAG 和长上下文的第三条路 来源：AlphaSignal（alphasignalai.substack.com），2026年5月
扩展上下文窗口成本高，RAG 对多数 Agent 场景过于笨重。δ-mem 用 tiny 8×8 关联记忆状态存储历史信息，仅 4.87M 可训练参数（Qwen3-4B 的 0.12%）即可在5个 benchmark 上提升平均分。适配器已开源 CC-BY-4.0。
价值： 实践指导性强，有代码参考；是长上下文 vs RAG 之外的新范式提示。
去重参考
近期已覆盖：8月31日、30日、29日同日 radar 已有 LoopArena 相关讨论；CamoDocs/LINE/CrabOS 为本期新线索。Substack δ-mem 系5月论文，本次首度纳入雷达。
Tom 文献雷达 · Agent/RAG/LongContext · 2026-09-01T08:40 · 8候选/4高价值/1Substack