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

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（未发现新信号）
去重参考：2026-10-04 上午场 / 10-03 / 10-02 雷达

高价值条目（2 条）

1. Ego2Act：以自我视角视频评估多步物理操作 Agent [Agent · 评测 · 多模态]

• 论文：Ego2Act: Evaluating Goal-Directed Manipulation in Egocentric Video Generation（arXiv 2026-09-30；arXiv 2610.01092）
• 核心：视频生成模型正被探索为物理世界模拟器，但现有 benchmark 聚焦单步动作或指令，无法评估多步物理推理能力。Ego2Act 提出以自我视角视频生成为媒介，评估 agent 在真实世界场景中完成高层目标的多步规划与执行能力。
• 关键词：具身 AI 评测、egocentric video、world model、multi-step planning
• 适用场景：具身 agent 评测框架、视频 world model 能力边界评估

2. Honeycomb：固定尺寸六平面记忆 for Video World Model [记忆 · 多模态]

• 来源：HF Daily（arXiv 2609.37690，2026-09-29，5票）
• 核心：视频 world model 生成时序一致性需要持久场景记忆，但 RGB/latent 记忆随时间线性增长。Honeycomb 的 HexMemory 以低秩 6 平面（spatiotemporal）固定尺寸存储，随覆盖范围扩展时 warp 并融合旧平面，保持维度不变。
• 关键词：固定尺寸记忆、视频生成、world model
• 注：已在 10-03 雷达提及；本版补充低秩表示细节供选读。

候选条目（2 条）

3. Jev Decision Models：边缘服务编排的低延迟替代方案 [系统 · 推理]

• 来源：HF Daily（arXiv 2609.22753，2026-09-25，5票）
• 核心：自然语言服务请求需要 LLM 做决策，产生延迟。Jev 从请求中提取 4-8 个 bounded intent 字段，用 shared validator + admission policy + scheduler 替代 LLM 决策，降低延迟同时保持服务完成率。比较了 5 种方案在 8280 真实请求上的表现。
• 注：非核心 agent/rag 方向；边缘部署场景参考。

4. Video Generation Models Survey [多模态 · 综述]

• 来源：HF Daily（arXiv 2610.00812，2026-09-29，44票）
• 核心：视频生成对齐（alignment）综述——时间误差累积、motion-appearance 耦合、多目标权衡、长时序监督稀缺等问题，与图像/文本对齐方法差异大。
• 注：44票热度最高，但方向偏视频生成而非 agent/rag；多模态 agent 方向可关注。

统计 - 候选总数：4 条 - 高价值：2 条（Ego2Act 评测、Honeycomb 六平面记忆） - Substack：未发现新信号（轻量查询） - CSDN：未使用

执行状态：completed
生成时间：2026-10-04 14:40 CST