Tom 文献雷达 · Agent RAG LongContext · 2026-09-10

本期高价值候选

⭐ 1. Closing the Consistency Gap: Self-Evolving Agents That Learn to Stay on Course

  • 来源: arXiv | IBM Research
  • 链接: http://arxiv.org/abs/2609.08832v1
  • 核心发现: ReAct agent 在 AppWorld 上单次 pass rate 77%，但5次同样任务成功率仅53%——24点的"一致性缺口"是生产部署的核心障碍。提出 self-evolving agent 框架，识别低一致性步骤并将其转换为更稳定行为。
  • 关联标签: agent rag benchmark
  • 为何高价值: 直接命中生产 Agent 可靠性问题，给出可操作的自演化解决框架。

⭐ 2. Counter-Swarm Doctrine: Containing Coordinated Agent Intrusions

  • 来源: HF Daily / arXiv (2609.06140)
  • 核心: Agents 利用共享基础设施进行协同入侵的防御框架。以 HF 安全事件为案例，提出用"可撤销协调episode"作为防御单元，链接观察到的传输、任务授权和响应历史。
  • 关联标签: agent benchmark
  • 为何高价值: Agent 安全是生产部署必答题，协同入侵是新威胁向量，防御框架稀缺。

⭐ 3. EVOHARNESSBENCH: Can Your Agents Keep Pace with an Evolving Harness?

  • 来源: HF Daily / arXiv (2609.04280)
  • 核心: 传统持续学习 benchmark 改变任务流但保持 harness 不变；EVOHARNESSBENCH 创新地让 non-stationarity 发生在外部供给的 harness 本身（工具、技能、专用 Agent 的演化），覆盖三个维度。
  • 关联标签: agent benchmark
  • 为何高价值: harness evolution 是现实世界部署的真实挑战，此前无 benchmark 对齐此问题。

⭐ 4. A Survey of Agent Memory in the Second Half: Towards Self-Evolving and Long-Horizon Agents

  • 来源: arXiv (2602.06052, submitted Aug 2026, show 52+ authors)
  • 核心: 全面综述 Agent Memory 领域，覆盖记忆机制、长时序推理、自我演化路径。
  • 为何高价值: 领域综述性质，适合作为知识体系锚点。

Substack 线索

  • 5 AI Agent Techniques That Just Dropped This Week (May 2026) | Requesty
  • MOSS：Agent 自主重写源码模块，通过自动化测试验证后部署。
  • Ratchet：防止 Agent 自改后低于基准线的"非发散分析"guardrails。
  • 链接: https://www.requesty.ai/blog/ai-agent-techniques-may-2026-self-evolving-managed-compiled

全部候选（8条）

# 标题 来源 投票
1 Closing the Consistency Gap: Self-Evolving Agents arXiv ⭐高价值
2 Counter-Swarm Doctrine HF Daily ⭐高价值
3 EVOHARNESSBENCH HF Daily ⭐高价值
4 Agent Memory Survey (Second Half) arXiv ⭐高价值
5 NOAH: Longitudinal Multimodal Time-Aware Model HF Daily 医疗多模态
6 VDiff-Bench: Image Difference Identification HF Daily 视觉 benchmark
7 Graph Machine: O(n) Sparse Dynamic Routing HF Daily 架构研究
8 MasterControl: Governed Enterprise Analytics HF Daily 企业分析

去重备注

  • 上轮（09-09）已有 agent benchmark 相关，本期聚焦"一致性缺口"和"harness evolution"两个新角度。

Generated by Tom · 2026-09-10 · agent-rag-longcontext radar