Tom 文献雷达 · agent-rag-longcontext · 2026-10-19

主题关联说明：本批候选围绕长程 Agent 任务中的不确定性与上下文管理，与 agent-rag-longcontext 领域存在方法论交叉。

1. LEASH：计算机 Agent 的不确定性感知弱到强升级

标识：arXiv:2610.22280 来源：https://arxiv.org/abs/2610.22280

核心贡献

LEASH 提出一个免训练的框架，用于在计算机使用 Agent 中解决弱到强升级（weak-to-strong escalation）的核心难题：何时从弱模型升级到强模型。该框架通过隐状态不确定性分数（latent-state uncertainty）作为升级决策信号，无需依赖黑盒 API 的内部信息即可在每个步骤廉价地评估是否需要升级。论文提供了理论分析（Proposition 1），证明 LEASH 的门控机制在任意升级预算下捕获的弱 Agent 失败率严格高于随机升级。

与 longcontext/agent-rag 的关联

• 长程任务中 Agent 常需在极长上下文窗口中持续决策，LEASH 的不确定性信号可作为 RAG retrieval 策略的置信度反馈，决定何时触发额外检索或重查。
• 其免训练特性意味着可直接插入现有 RAG-Agent 系统，无需微调，适合生产环境快速部署。
• OSWorld 评估表明在高难度、步骤跨度长的任务中收益显著。

局限与注意事项

• 评估范围有限：目前仅在 OSWorld（计算机操作任务）上验证，跨领域泛化性尚未确认。
• 不确定性度量的局限：当前分数估计的是弱 Agent 失败风险，而非升级的预期收益；理论保证依赖 escalation gain 对分数非递减的假设。
• 摘要非全文：本报告基于摘要与公开摘要片段，非完整论文阅读，实验数据、性能数字请以原论文为准。

候选清单

本批结果：候选 1 篇，高价值 1 篇（单篇符合主题关联价值）。写入路径：/shared/research-kb/inbox/tom/2026-10-19T0840-agent-rag-longcontext-radar.md