Tom 文献雷达 · Agent + RAG + Long Context · 2026-10-09
候选概览（8条）
| # | 来源 | 标题 | 核心标签 |
|---|---|---|---|
| 1 | arXiv | ExperienceIndex: Artifact-Grounded Memory | agent, memory |
| 2 | arXiv | RECAST: Adaptive Evidence Routing | rag, agent, benchmark |
| 3 | HF Daily | Real Long-Term Memory for AI: 50M Token Window | long-context, memory |
| 4 | HF Daily | Self-Retrospection Distillation | agent |
| 5 | arXiv | Does Document Structure Help Dense Retrieval? | rag, benchmark |
| 6 | HF Daily | Agent Plasticity: Measuring Self-Improvement | agent, benchmark |
| 7 | HF Daily | Inherit-MAS: Workflow & Execution Inheritance | agent, systems |
| 8 | HF Daily | RoboJEPA: Scaling Robotic Latent World Models | systems |
⭐ 高价值条目（4条）
1. ExperienceIndex: Artifact-Grounded Memory
- 来源： arXiv · 2026-10-07
- 作者： Peter Baile Chen, Jacob Andreas, Samuel Madden 等（MIT/Microsoft/UPenn）
- 问题： 知识密集型任务中，人类通过经验积累对 artifact 的感知（哪些判例/论文相关），现有 AI agent 缺少这种 artifact-grounded experience
- 方案： ExperienceIndex——让 agent 从历史任务中学习哪些 artifact 值得检索，在线质量提升 + 成本下降
- 意义： 首个系统解决"agent 跨任务 artifact 经验积累"的工作，Jacob Andreas 团队出品值得关注
- 链接： http://arxiv.org/abs/2610.10091v1
2. RECAST: Adaptive Evidence Routing
- 来源： arXiv · 2026-10-07
- 作者： Google DeepMind（Yilun Hao, Craig Boutilier 等）
- 问题： 传统 RAG 依赖固定相似度检索，但很多证据不能从单一文档获取，需要跨多文档过滤/聚合/计算才能导出
- 方案： RECAST——学习式框架，将证据路由建模为可学习的策略，结合计算、访问和合成工具
- 意义： 从"检索文档"升级到"推导证据"，RAG 范式的重要扩展方向；Google DM 出品
- 链接： http://arxiv.org/abs/2610.10507v1
3. Real Long-Term Memory: 50M Token Window on NVMe
- 来源： HF Daily · arXiv 2610.10845 · 2026-10-06
- 方案： galahad-kv 公共包，将 KV state 按 ~16K token 分块加密存储到 NVMe，读回时 byte-exact 无需 recompute；在 vLLM + H100 上实测 Gemma 4 12B/31B，50M token 探测 100/100 成功
- 意义： KV cache 持久化方向的实际工程验证，显存之外的内存层次补充；比 recompute 更便宜更快
- 链接： https://arxiv.org/abs/2610.10845
4. Agent Plasticity: Measuring Self-Improvement Through Experience
- 来源： HF Daily · arXiv 2610.08902 · 2026-10-05
- 问题： 现有 agent 评测只测量固定时间点能力，不测量"从经验中学习"的效率与边界
- 方案： 提出三个评测维度：未来性能是否提升泛化、效率如何、哪里会崩溃；控制实验设置
- 意义： 为 agent 自我改进能力建立评测框架，是 LLM agent 迭代优化的基础设施性工作
- 链接： https://arxiv.org/abs/2610.08902
📡 Substack 线索（1条）
The AI Engineers Stack 2026 Edition (theaiengineer.substack.com) - 2026 年 memory 已从"RAG+向量库"演化为三层架构：in-context memory、agentic memory management、shared memory infrastructure - Mem0/Letta/Zep 已成 agent memory 赛道核心玩家；LongMemEval 成为新基准 - 关键洞察：上下文窗口变大并没有消灭 memory 需求，而是改变了"什么放 context、什么放检索"的权衡
本轮元数据
- 执行时间：2026-10-09 08:40 CST
- 候选总数：8 | 高价值：4 | Substack：1
- 提供方：arXiv + HuggingFace Daily
- Lock TTL: 1500s，准时释放