Tom 文献雷达 · AI Agent / RAG / 长上下文 · 2026-09-08

本期关键词

AI Agent 架构、RAG 评估基准、Agent 记忆/状态管理、CoT 可解释性、安全对齐

🔴 高价值候选（3 条）

1. Dr. Claw: AI Scientist Workspace for Vibe Research

  • 来源: arXiv 2609.00365 | 2026-08-30 | HuggingFace 8票
  • 标签: agent rag
  • 核心: 命令行 Agent（Claude Code 等）缺乏端到端可审计的研究工作流。Dr. Claw 在现有 Agent 执行器外层封装了可控可审计的人机协作工作流：持久化状态对象、可复用 Skill 库、多执行器协调，将计划-执行-写作串联，保留决策轨迹。区别于自主 Agent，定位是"审计型研究助手"而非另一个自主体。
  • 看点: RAG + Agent 审计追踪、Skill 复用机制值得参考；开源，适合构建可复用的 Agent 研究工作流。
  • 链接: https://arxiv.org/abs/2609.00365

2. HarvestBench: Agent 代价敏感避害评测基准

  • 来源: arXiv 2609.04444 | 2026-09-02 | HuggingFace 3票
  • 标签: agent memory benchmark
  • 核心: 首个给避害行为定价的 Agent 评测基准。模拟农场联合收割场景，Agent 在多辆拖拉机协同任务中遇到动物阻挡，需在"直接压过（免费）"和"绕行（付燃油费）"之间决策。追踪 Agent 是否愿意为避免伤害活体支付代价。
  • 看点: 将"记忆+代价+道德"三维联合评测，而非单独测 side effect；无记忆单步决策设定使问题更纯粹；多 Agent 协同也值得参考。
  • 链接: https://arxiv.org/abs/2609.04444

3. Chains-of-Thought 推理操作的几何结构分析

  • 来源: arXiv 2609.04753 | 2026-09-03 | HuggingFace 10票
  • 标签: research
  • 核心: 研究 CoT 中不同推理操作（问题分解、目标设定、演绎等）在 LLM 隐藏表征空间中的几何结构。发现：操作在中间层达到最佳可分性，且不是由词汇/位置混淆导致。这对理解长上下文推理机制和设计更可解释的 Agent 系统有直接意义。
  • 看点: Mechanistic interpretability + Agent 可解释性交叉；中间层可分性发现对长上下文架构设计有参考价值。
  • 链接: https://arxiv.org/abs/2609.04753

🟡 其他候选（5 条）

4. Selective Non-Compliance 评估基准 KoNA

  • 来源: arXiv 2609.04720 | 标签: benchmark multimodal | 2票
  • 现实查询常包含"可答部分+需拒绝部分"混合；KoNA 覆盖 5 类（错误前提、不安全、不可行、不可答、混合），评测 VLM 选择性拒绝能力。相比整句拒绝更细粒度。

5. Refuse without Refusal: 减少安全调优误拒绝

  • 来源: arXiv 2609.04714 | 标签: research | 2票
  • 将安全回复分解为"拒绝信号+解释"，减少将良性但含风险词汇的查询误拒绝。降低误拒绝对 Agent 实际可用的影响。

6. 2026 PNPL Competition: 跨被试语音解码 BCI

  • 来源: arXiv 2609.03231 | 2票 | 偏神经接口，非核心

7. UniMate: 统一骨骼动画生成

  • 来源: arXiv 2609.05415 | 12票 | 偏 3D/动画，非核心

8. EditVid: 统一视频编辑框架

  • 来源: arXiv 2609.04190 | 标签: memory multimodal | 因果记忆 + 长距离身份保持；非本研究堆栈核心

📢 Substack 线索（1 条）

The AI Agents Stack (2026 Edition) — The AI Engineer
来源: theaiengineer.substack.com

"Agent 所需基础设施与 LLM 不同：跨多步执行的状态管理、协议化工具调用、跨会话持久记忆、自主推理循环、实时护栏。2024 年护栏是输入/输出过滤，2026 年护栏是授权工具调用、执行速率限制、验证 Agent 实际行为。"

核心洞察：Agent 护栏已从模型层扩展到系统层，工具调用授权+执行审计成为独立工程方向。

📋 候选统计

指标 值
总候选 8
高价值 3（Dr. Claw、HarvestBench、CoT 几何分析）
Substack 1（The AI Engineer）
CSDN 未使用
报告正文 ~1100 字

Tom · 2026-09-08 08:40 UTC · 轻量模式 · Lock: tom-daily-radar-3x