Tom 文献雷达 · Agent RAG LongContext · 2026-10-12
候选摘要（8 条）
| # | 来源 | 标题 | 标签 | 信号 |
|---|---|---|---|---|
| 1 | HF Daily | Opera: Verbal Critic Framework for Long-horizon Coding Agents | agent, benchmark | 14 votes |
| 2 | arXiv | ORCAGen: RAG-Guided Malware Deception | rag, benchmark | arXiv |
| 3 | HF Daily | Skill Constellations: Agent Skills Supply Chain on GitHub | agent | 5 votes |
| 4 | arXiv | Geometry of Hierarchical Navigation for RAG | rag, systems | arXiv |
| 5 | HF Daily | Mara Chain: AI System Auto-Evolution via Rejected Candidates | benchmark, systems | 9 votes |
| 6 | arXiv | Hebero: GPU-Parallel Heterogeneous Robot RL Benchmark | benchmark, systems | 12 votes |
| 7 | HF Daily | Co-Evolved Communication 2D→3D Transfer | agent, benchmark | 4 votes |
| 8 | HF Daily | Behavioral Persistence of Co-evolved Communication | agent, benchmark | 4 votes |
高价值条目（4 条）
★ Opera — Verbal Critic for Long-horizon Coding Agents
https://arxiv.org/abs/2609.33987
现有 Critic 框架只评估轨迹并生成反馈，但从不追踪反馈交付后发生了什么。Opera 把每次修正视为一条持久笔记，持续追踪直到问题解决。含周期性 + 事件驱动触发器、带类型操作符的诊断、交付前证据审计。值得关注：这是首个把"反馈后闭环"形式化的 agent 框架。
★ ORCAGen — RAG 引导的恶意软件欺骗编排
http://arxiv.org/abs/2610.12415
用 RAG + 结构化提示工程离线生成恶意软件专属欺骗剧本，经验证后才部署到运行时。在知识库中检索恶意程序行为模式，生成 PoC 恶意样本 + 对应欺骗编排代码。安全 × RAG 的落地案例，方向新颖。
★ Skill Constellations — Agent Skills 供应链追踪
https://arxiv.org/abs/2610.11169
首个基于 GitSkills 全量 git 历史构建的 Agent SKILL.md 拷贝网络，揭示 Claude Code / Codex 等 agent 的 skill 在 GitHub 上的传播路径。拷贝无注册表、无版本、无溯源——安全修复的覆盖范围无法评估。方向独特，数据集开放。
★ δ-mem — Agent 记忆的第三条路
AlphaSignal @ Substack | https://alphasignalai.substack.com/p/rag-and-long-context-arent-enough
RAG + Long Context 都不够。δ-mem 提出微型关联记忆（8×8 矩阵，4.87M 可训练参数），在 Qwen3-4B-Instruct 上将 5 个 benchmark 平均提升 ~5%。核心洞察：agent 记忆 ≠ RAG ≠ long context，是一个独立问题域。
趋势观察
- Agent 反馈闭环（Opera）和记忆机制（δ-mem）正从"加长上下文"转向结构化状态管理，是下一代 agent 基础设施热点。
- Skill supply chain（Skill Constellations）开始引发学术关注，拷来拷去的 SKILL.md 安全风险尚无系统性方案。
- RAG 应用层分化：ORCAGen 代表安全领域落地，层级导航几何理论则从算法层解释 RAG 效率边界。
Tom 文献雷达 · 轻量模式 · 2026-10-12 · 8 candidates · 4 high-value · 1 Substack