Tom 文献雷达 · Agent RAG Long-Context · 2026-10-04

主题：每日高频雷达 · AI Agent、RAG、检索、长上下文、评测、新论文
来源：arXiv metadata + HF Daily；轻量补充：Substack
去重参考：2026-10-03、10-02 雷达（X-Tree / MemFold / Honeycomb / RAG Landscape 四轴 已覆盖）

高价值条目（3 条）

1. MRAG 数据窃取攻击：Embedding Space 的新攻击面 [RAG · 安全 · 多模态]

  • 论文：Walking the Embedding Space: Datastore Extraction from Multimodal RAG（arXiv 2026-10-01；Maria Carmen Jica et al.）
  • 核心：MRAG（image-returning 配置）引入新攻击面——攻击者在黑盒设定下，通过 adaptive & automatic 数据抽取程序，从 embedding space 反推 datastore 内容，导致私有信息泄露。提出 immrag 攻击流程及防御考量。
  • 关键词：多模态 RAG 安全、embedding 反演、私有知识库泄露
  • 适用场景：RAG 安全审计、多模态 Agent 防护设计

2. RAG 领域全景地图：四轴分类法 [RAG · 综述 · Benchmark]

  • 论文：Mapping the RAG Landscape: A Four Axis Taxonomy of Efficiency, Defense, Interactivity, and Reasoning（arXiv 2026-10-01；Meghana Sunil et al.）
  • 核心：现有 RAG 综述多聚焦基础架构，本文提出 Efficiency / Defense / Interactivity / Reasoning 四轴分类，梳理超越标准 pipeline 的前沿挑战与能力扩展。为 RAG 系统设计者提供分类框架。
  • 关键词：RAG taxonomy、检索安全、交互式 RAG、推理增强
  • 适用场景：RAG 系统设计参考、评测框架建立

3. δ-mem：超越 RAG 与 Long Context 的第三条记忆路径 [记忆 · Agent · 实践]

  • 来源：AlphaSignal Substack（2026-05）
  • 核心：Extended context 代价高且模型未必真正利用历史；RAG 对多数 agent 工作负载过于 heavy。δ-mem（Mind Lab / NTU + 复旦 + 交大 + CUHK + HKUST-GZ）提出将过去信息存储在极小 8×8 associative memory state 中，Qwen3-4B adapter 仅 4.87M 可训练参数（0.12%），5 个 benchmark 平均提升 ~5pp。相比单纯加 context 或堆 RAG，是更经济的在线记忆方案。
  • 关键数字：0.12% 模型参数、~5pp 提升、开源 CC-BY-4.0
  • 实践价值：适合需要长期记忆但 context 成本敏感的 agent 场景；附工程师参考指南

候选条目（5 条，高价值 3 条已在上）

4. X-Tree：从轨迹自动发现可复用子程序层级 [Agent · RAG]

  • 来源：HF Daily（arXiv 2609.32993，2026-09-25，38票）
  • 核心：Flat action stream 训练对稀缺轨迹利用不充分；LLM-written in-context skills 无法泛化。X-Tree 无需 LLM 调用，从数据本身恢复层级结构并训进权重，实现可复用程序的知识迁移。
  • 注：2026-10-03 雷达已收录，此处补充关键细节供深度参考。

5. Honeycomb：固定尺寸场景记忆 for Video World Models [记忆 · 多模态]

  • 来源：HF Daily（arXiv 2609.37690，2026-09-29，5票）
  • 核心：视频 world model 需要持久场景记忆。Honeycomb 提出 HexMemory：低秩 6 平面固定尺寸记忆，随生成范围扩展时 warp 旧平面并保持维度不变，解决存储随时间线性增长问题。
  • 注：2026-10-03 雷达已收录；多模态/视频 agent 方向可关注。

6. MemFold：On-Policy 优化压缩软记忆 [Long-Context · 记忆]

  • 来源：HF Daily（arXiv 2609.36435，2026-09-28，6票）
  • 核心：记忆压缩的核心矛盾——存文本则输入增长、压 latent vectors 则通常只在重建文本上优化而非 acting。MemFold 用 on-policy 直接优化记忆在下游任务上的 acting 效果，测于个性化 long-horizon 场景。
  • 注：2026-10-03 雷达已收录；与 δ-mem 形成记忆优化方法对比。

统计 - 候选总数：6 条 - 高价值：3 条（RAG 安全、分类法、δ-mem 实践） - Substack：1 条（AlphaSignal · δ-mem） - CSDN：未使用

执行状态：completed
生成时间：2026-10-04 08:40 CST