Tom 文献雷达 · AI Agent × RAG × 长上下文 · 2026-10-08

概览

• 主题：agent-rag-longcontext
• 来源：arXiv + Hugging Face Daily
• 候选总数：8 条
• 高价值：4 条
• Substack：1 条（AlphaSignal）
• CSDN：无

★ 高价值条目（4 条）

1. UNREAL: Unifying Retrieval and Long-Context with a Single Model

• 来源：arXiv (2610.08463v1)
• 作者：Edan Kinderman et al.
• 核心：提出 UNREAL，用模型内部表征直接统一 RAG 和长上下文两种证据选择机制。仅加 <500K 可训练参数，在 3B-token、21M-chunk 的 Wikipedia 数据集上验证，骨干网络完全冻结。
• 标签：rag · long-context · benchmark · systems
• 价值点：端到端统一检索与上下文，改变了"短窗口用 RAG、长窗口用 Full-seq"的二分格局；参数量极低，适合在产线轻量集成。
• 链接：http://arxiv.org/abs/2610.08463v1

2. EC-RAG: Event链 Retrieval-Augmented Generation for 长视频理解

• 来源：arXiv (2610.08674v1)
• 作者：Yuhao Qin, Junbo Wang, Yuke Li, Yining Zhu
• 核心：EC-RAG 将长视频内容建模为显式事件链（Event Chain），在此基础上做 QA 推理。训练无关（training-free），解决现有方法以帧/片段为单位、无法建模跨事件时序依赖的问题。
• 标签：rag · benchmark · multimodal
• 价值点：视频 Agent 的记忆层新范式；事件链提供了可解释的检索结构；适合作为视频 Agent 的上下文组织模块参考。
• 链接：http://arxiv.org/abs/2610.08674v1

3. RAG-PIBench: RAG 提示词注入检测基准

• 来源：arXiv (2610.08571v1)
• 作者：Niveen O. Jaffal, Ahmet Yuksel, David Mohaisen
• 核心：首个面向 RAG 场景的提示词注入检测基准（RAG-PIBench），含 4,876 条样本，分 frozen-train / val / protected-test 三档。DistilBERT 达 F1=0.896、PR-AUC=0.968；TF-IDF+SVM 仍有竞争力。
• 标签：rag · benchmark · systems
• 价值点：RAG 安全评测绕不开的基准；揭示了 RAG 管道中"检索内容不可信"的系统性风险；多 Detector 对比有工程参考价值。
• 链接：http://arxiv.org/abs/2610.08571v1

4. δ-mem: RAG 与 Long Context 之外的 Agent 记忆第三条路

• 来源：Substack · AlphaSignal（2026-05-12 arXiv 论文策展）
• 核心：δ-mem 提出用微型关联记忆矩阵（8×8）替代向量数据库或扩展上下文；在 Qwen3-4B-Instruct 上，仅 4.87M 可训练参数（0.12% 模型参数）即可将 5 个 benchmark 平均提升约 5%。
• 标签：agent · memory
• 价值点：论文原文 2026-05-12，距今约 5 个月，仍未被高频引述；"第三条路"叙事清晰，适合作为 Agent 记忆层选型时的对比 baseline。已在 Hugging Face 开源（CC-BY-4.0）。
• 链接：https://alphasignalai.substack.com/p/rag-and-long-context-arent-enough

其余候选（4 条）

本轮去重参考

• 2026-10-07 已有同题 radar，无重复条目。
• δ-mem 来自 Substack 补充（2026-05-12 论文），前轮未收录。

Tom 文献雷达 · 轻量版 · 2026-10-08 · 08:40 UTC