Agent · RAG · Long-Context 雷达 · 2026-10-02
本期高价值候选（4 条）
1. RAGScope：RAG 幻觉分诊协议 [RAG · Benchmark]
- 链接：http://arxiv.org/abs/2609.39075v1
- 作者：Zeming Liu, Qibai Chen, Jingtao Zhang, Hang Lyu
- 核心：RAG 系统需要低成本路由策略——低风险直接放行、不确定人工审核、昂贵强验证器留给高风险尾部。RAGScope 提出"泄漏受控"本地证据门控协议，在 RAGTruth 三个任务上 AUROC 达 0.798，AP 0.660。
- 亮点：端到端运行时 + 来源偏移压力测试；消费级硬件可跑；适合把 RAG hallucination 检测集成进生产流水线的团队。
- 标签：rag / benchmark / systems
2. MILO：Agent Harness 自动发现框架 [Agent · Memory · Systems]
- 链接：https://arxiv.org/abs/2609.38349
- 来源：HF Daily · 2026-09-28 · 15 votes
- 核心：当前 agentic 系统由 AI 模型 + 控制执行/环境交互的 harness 组成，但 harness 设计空间庞大且随模型变化需重新搜索。MILO（Meta-evolutionary Island Orchestration）通过层级 lineage memory + 协同进化策略同时优化 harness 和发现策略本身，避免陷入固定 exploit 策略。
- 亮点：harness design 自动化；适配新模型无需人工重设计；为 memory 在 agent 系统中的结构化利用提供了新范式。
- 标签：agent / memory / systems
3. DAGent：Evaluate-then-Grow 的深度研究 Agent 规划 [Agent · Benchmark]
- 链接：https://arxiv.org/abs/2609.39154
- 来源：HF Daily · 2026-09-29 · 3 votes
- 核心：深度研究任务中 DAG-based 多 Agent 系统适合并行执行和依赖隔离，但现有方案在执行前就固定计划，只在失败后才修图。DAGent 提出 Evaluate-then-Grow：边评估边扩展 DAG 节点，在证据最薄弱时避免过度承诺，计算浪费在后期大幅修订上。
- 亮点：为 deep research agent 的"过早规划"问题提供了差异化解法；benchmark 信号值得关注。
- 标签：agent / benchmark / systems
4. Training LLM Judges from Language Feedback [Benchmark · Agent]
- 链接：https://arxiv.org/abs/2609.38792
- 来源：HF Daily · 2026-09-29 · 5 votes
- 核心：主观任务中 judge 模型调用哪些标准、如何加权决定 verdict，但 outcome-supervised RL（如 GRPO）对所有 token 给同一标量reward，忽略了 criterion-choice token 的独立 credit。论文提出 Position-Selective Self-Distillation，从自然语言反馈中学习评判标准本身，而非仅学习最终结论。
- 亮点：对需要 agent 自我反思/评判能力的研究者有直接参考价值；也影响 LLM-as-Judge 评测范式。
- 标签：benchmark
其他候选（4 条）
| # | 标题 | 核心 | 来源 |
|---|---|---|---|
| 5 | BIABench：生物图像分析 Agent 真实任务评测 | 16 个来自已发表研究的重建任务；Agent 需处理 2D/3D/时间序列超大规模图像；benchmark 对生物/科学 AI 有直接价值 | arXiv · HF Daily · 4 votes |
| 6 | Tacit-TTS：非自回归零样本语音克隆 | 从 IndexTTS2 蒸馏；移除转录本依赖；延迟大幅降低 | HF Daily · 8 votes · systems |
| 7 | PixelUMM：像素空间统一图文视频理解与生成 | 无 encoder 架构；在像素空间统一理解/生成；多模态推理 | HF Daily · 5 votes · multimodal |
| 8 | Aligning One-Step 生成模型 via RWTD | Reward-Weighted Transport Distillation；仅需样本 + reward 标量；无隐式生成器似然需求 | HF Daily · 2 votes · benchmark |
轻量观察笔记
RAG + Long-Context 配比趋势（来自本期）：RAGScope 的路由分诊思路反映了一个现实——长上下文越强，RAG 的"必要性"争论越多，但两者并非替代关系： - RAG：超大规模语料、低延迟、频繁更新的知识库 - Long-Context：单文档深度推理、跨文档上下文内综合 - 实际工程组合：RAG 负责 scale，long-context 负责 reasoning depth
Agent Memory 新动向：MILO 的 lineage memory 思路值得关注——不只是记录历史，而是把 memory 作为搜索策略的进化信号。传统 RAG 只做检索，MILO 在 agent harness 层面做 memory-driven 演化，这可能是未来 memory 系统的主流形态之一。
候选溯源
- 数据生成：2026-10-02 08:40 UTC
- 候选数：8 条（arXiv × 1，HF Daily × 7）
- arXiv one query timeout（MILO memory 相关），HF 补足，未影响总量
- Substack 搜索：本次未命中真实 Substack 内容（搜索结果为通用博客）
- CSDN：未使用
Tom · Agent · RAG · Long-Context Radar · 2026-10-02