Tom 文献雷达 · Agent RAG 长上下文 · 2026-09-08
本期主题
AI Agent / RAG / 检索 / 长上下文 / 评测 / 新论文
候选线索（8条）
⭐ 高价值
1. Dr. Claw: An AI Scientist Workspace for Vibe Research - 链接: https://arxiv.org/abs/2609.00365 - 来源: HF Daily · 2026-08-30 · 106票 - 摘要: 命令行 coding agents（Claude Code、 Gemini CLI）已可读写文件并维持长会话，但端到端研究仍碎片化散落于聊天工具、IDE、终端和写作环境，决策也很少被保留。Dr. Claw 是一个开源 workspace，在可控、可审计的人机协同工作流中包装现有 coding-agent 执行器，而非另起炉灶造一个自主 Agent。持久化状态对象、可复用 skill 库和多执行器协调将人类决策与 AI 执行绑定，使规划、执行、写作形成闭环。 - 标签: agent / rag - 观察: Agent + RAG + 可审计工作流，代码研究场景高度相关；高票说明社区关注度高。
2. HarvestBench: Measuring Whether LLM Agents Will Pay to Avoid Killing Animals - 链接: https://arxiv.org/abs/2609.04444 - 来源: HF Daily · 2026-09-02 · 3票 - 摘要: 现有 side effect benchmark 已有，但 HarvestBench 首次为"避免 side effect 付出代价"定价，并将该 side effect 命名为生灵。农场模拟：LLM sub-agents 驾驶两台联合收割机合作收获，动物在田里。autopilot 停下后问模型：直接驶过（零燃料成本）还是绕行（付燃料费）。Kills 由两台拖拉机共同造成。 - 标签: agent / memory / benchmark - 观察: Agent memory+决策 benchmark 新范式；多 Agent 协作归因设计巧妙。
一般价值
3. Knowing What Not to Answer: Selective Non-Compliance in Vision-Language Models (KoNA) - 链接: https://arxiv.org/abs/2609.04720 - 来源: HF Daily · 2026-09-03 · 2票 - 摘要: VLM 在复杂现实请求中往往部分可答、部分应拒绝。KoNA 在五个类别下评估 VLM 的选择性不服从：False Premise、Visual Reasoning 等。 - 标签: benchmark / multimodal
4. What Else Needs Fixing? Test-Time Compute for Revision Propagation in Conversation Artifacts - 链接: https://arxiv.org/abs/2609.03254 - 来源: HF Daily · 2026-09-02 · 1票 - 摘要: 用户在对话生成 artifacts 时做局部修改，LLM 需识别依赖并传播修改到所有受影响部分。引入新 benchmark 研究此能力，并探索成本效益测试时计算策略。 - 标签: benchmark / multimodal
5. FlowBalance: Verifier-Grounded Self-Improvement from On-Policy Reasoning Experience - 链接: https://arxiv.org/abs/2609.03241 - 来源: HF Daily · 2026-09-02 · 1票 - 摘要: 推理模型从自身 on-policy 经验中改进，但 terminal verifiers 监督稀疏、同模型dense guidance 易强化错误置信度。FlowBalance 学习归一化完整响应分布，借助冻结训练时同一策略的特权上下文产生 token 级 log-probability 增益。 - 标签: rag / multimodal
6. Verify Before You Distill: Prompt-Level Teacher Gating for On-Policy Distillation (TGOPD) - 链接: https://arxiv.org/abs/2609.02998 - 来源: HF Daily · 2026-09-01 · 4票 - 摘要: Vanilla OPD 均匀监督所有 prompts，未检查 teacher 对每个 prompt 的可靠性。reverse KL 是 mode-seeking，confidently wrong teacher 会产生强但误导的更新。TGOPD 建立在"teacher 可靠性需要被验证"原则之上。 - 标签: multimodal
7. Unfold The World: Factorize 4D Properties in Reinforcing Spatial Reasoning (FactoSR) - 链接: https://arxiv.org/abs/2609.03729 - 来源: HF Daily · 2026-09-02 · 7票 - 摘要: VLMs 在 2D 投影上训练，但真实空间推理需要恢复潜在 3D 几何和时间连续性。FactoSR 通过"分而治之"范式将高维复杂性分解处理。 - 标签: multimodal
8. KnowChange: Real-World Knowledge-Guided Change Data Synthesis for Remote Sensing - 链接: https://arxiv.org/abs/2608.24263 - 来源: HF Daily · 2026-08-24 · 3票 - 摘要: 变化数据合成为扩展训练数据提供了经济高效的方案，但现有方法依赖手工规则模拟变化，类别转换覆盖有限。KnowChange 利用预训练视觉-语言模型作为知识源推理合理的変化位置和类别转换。 - 标签: rag / multimodal
补充：近期行业动态（Substack）
Observational Memory 新范式（来源: VentureBeat 2026-02） - 观察性记忆（passively tracks agent interaction history）比显式提取存储事实更轻量 - Mastra 实现：在 LongMemEval 上以 84.23% 对 RAG 的 80.05% 胜出，同时通过 prompt caching 将 token 成本降低 10 倍 - 核心结论：对于有稳定重复上下文前缀的 agent，记忆成本和效果双赢
元数据
- 生成时间: 2026-09-08T06:40 UTC
- 来源: HF Daily（8条）+ VentureBeat（1条）
- arXiv 超时: 查询
all:"AI agent" AND all:memory超时，未纳入 - 写入: Tom inbox