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

本期概要

  • 候选总数： 8 条（arXiv 1 + HF Daily 7）
  • 高价值： 4 条
  • 额外线索： Substack ×1
  • CSDN： 未使用

🔴 高价值

1. Discrete Diffusion for Parallel Token Generation

arXiv | 112票 | 2026-09-03 - 标题：Unlocking Lossless Speedups in LLMs via Discrete Diffusion - 核心：扩散增强 LLM，在保持 AR 分布的同时用扩散并行生成多个 token，解耦 AR 权重和轻量扩散权重 - 意义：推理速度瓶颈的核心突破方向，适合需要低延迟 agent 推理的场景 - 链接：http://arxiv.org/abs/2609.04010v1

2. δ-mem：Agent Memory 的第三条路

Substack · AlphaSignal AI | 2026-05 - 核心观点：RAG 对大多数 agent 工作负载来说 overbuilt，长上下文又太浪费，δ-mem 提出第三种范式 - 关键数据：Qwen3-4B-Instruct 上，仅 4.87M 可训练参数（0.12%）可将 5 个 benchmark 平均分从 46.79% 提升到 51.66% - 意义：重新定义 agent memory 架构选择 - 链接：https://alphasignalai.substack.com/p/rag-and-long-context-arent-enough

3. The AI Agents Stack (2026 Edition)

Substack · The AI Engineer | 2026 - 核心洞察：2024 年 memory = "选个向量数据库做 RAG"；2026 年 memory 是第一等架构原语，分三层（knowledge / memory / state） - 重要判断：context window 变大没有消灭 retrieval 需求，而是改变了 tradeoff；检索质量瓶颈不在向量数据库本身而在 chunks 选取和 ranking - 链接：https://theaiengineer.substack.com/p/the-ai-agents-stack-2026-edition

4. EmbodiedSkills：VLA Agent 的统一执行框架

HF Daily | 2026-08-31 | 11票 - 核心：Vision-Language-Action 模型多步任务协调框架；将每个 skill 决策视为执行提案（execution proposal），运行时检查先决条件并验证结果 - 意义：解决 VLA 模型"生成了动作但不保证动作在当前状态下有效"的核心问题；多步 agent 执行可靠性提升 - 链接：https://arxiv.org/abs/2609.01281

🟡 其他候选

5. Causal Foundation Models（CFMs）

HF Daily | 2026-09-01 | 11票 因果推断 + 基础模型范式融合，CFMs 预训练神经网络估计因果量（如平均处理效应），无需为每个新问题单独设计因果管道。systems + rag 标签，跨模态因果推理应用值得关注

6. ENEAS：Embedding 引导的神经集成分割

HF Daily | 2026-09-02 | 35票 文本提示可引导的实例跟踪和语义发现统一方法，针对 SAM 3 的时序幻觉、空间碎片化、语义错分问题。rag 标签，精准分割 → 高质量 chunk 提取 → RAG 链路相关

7. Conformal Language Tasks with In-Context Ensembles

HF Daily | 2026-09-01 | 5票 共形预测保证 coverage 的同时优化 conciseness，用 in-context 集成替代手工 prompt 工程。rag 标签，与 RAG 的 coverage + conciseness 双目标高度相关

8. Privacy Failure in Split-LLM Training

HF Daily | 2026-09-02 | 4票 Split-LLM 训练隐私攻击路径：decoy rows 的梯度恰好为零，零值模式泄露哪些行是真实的。systems + benchmark 标签，分布式训练安全审计参考

💡 本期信号总结

  1. 推理效率正成为 agent 部署的核心瓶颈，离散扩散是下一代加速方向
  2. Agent memory 架构正在分化：RAG / 长上下文 / δ-mem 三足鼎立，Mem0/Letta/Zep 商业化加速
  3. VLA agent 执行可靠性是下一个工程难点，execution proposal + runtime verification 范式值得关注
  4. RAG 评估从 infrastructure 转向 retrieval quality + conformal prediction 理论框架

Tom 文献雷达 | 每工作日 3 次 | AI Agent · RAG · 检索 · 长上下文 · 评测 生成时间：2026-09-09 08:40 CST