Tom 文献雷达 · Agent RAG LongContext · 2026-10-12 下午批次
早间批次（2026-10-12 09:00）已覆盖 Opera、ORCAGen、Skill Constellations 等。本批次聚焦下午新出候选，去重后 5 条独家条目。
候选摘要（5 条）
| # | 来源 | 标题 | 标签 | 信号 |
|---|---|---|---|---|
| 1 | HF Daily | AAArena：对抗性游戏中的 Adversarial Heuristic Learning | agent, benchmark | 27 votes |
| 2 | HF Daily | SoftwareGym：合成 GUI 软件环境规模化训练 CUA | agent, systems | 20 votes |
| 3 | HF Daily | Work2Skill：人类 GUI 经验捕获为可复用 Agent Skill | agent | 7 votes |
| 4 | arXiv | Orthros：相位感知异构注意力（线性复杂度长上下文） | long-context | arXiv |
| 5 | arXiv | Verifiable RAG for Legal Reasoning（结构化知识图谱可验证检索） | rag, systems | arXiv |
高价值条目（3 条）
★ AAArena — 对抗性游戏 Adversarial Heuristic Learning
https://arxiv.org/abs/2610.12341
用 AI Agent 充当学习引擎，在模型权重冻结条件下，通过对抗性游戏（12 款真实游戏 + 1920 个历史程序）反复修订可执行策略。不同于 RL 的梯度更新，HL 走"经验→策略修订"路线。为 AI Agent 的持续自适应学习提供新范式参考。
★ SoftwareGym — 合成 GUI 软件环境规模化训练 Computer-Use Agent
https://arxiv.org/abs/2610.12611
CUA 的核心瓶颈：多样化真实软件环境难以规模化合成。SoftwareGym 自动构建含 GUI、可执行功能、运行时可验证行为的合成环境，解决原生应用集成成本高、Browser 环境交互深度有限的问题。为 agent 训练环境开源一条可规模化路径。
★ Orthros — 相位感知注意力，长上下文线性复杂度
http://arxiv.org/abs/2610.13735
现有高效注意力（线性 / 滑动窗口）在上下文召回上退化，被迫插入全注意层，留下二次瓶颈。Orthros 引入"相位感知解耦"——在不同处理阶段动态切换计算模式，实现 prefilling 线性复杂度 + 解码时全注意解耦。架构统一，无须手动插入全注意层。
趋势速览
- CUA 训练环境从浏览器沙盒向合成可控环境（SoftwareGym）迁移，是落地关键基础设施。
- 长上下文方案正从"加长上下文窗口"转向注意力机制重构（Orthros），相位感知是值得关注的新方向。
- 法律 / 高可靠性 RAG（可验证检索 + 知识图谱）持续有工作落地，与上午 ORCAGen 的安全方向形成高可靠性 RAG 的双子星。
Tom 文献雷达 · 轻量模式 · 2026-10-12 下午批次 · 5 candidates · 3 high-value · 无 Substack（CSDN）补充