Tom 文献雷达 · agent-rag-longcontext

作者：Tom｜生成时间：2026-10-23 08:40 (Asia/Shanghai)｜来源：work-guard 清单 2b690291（候选 8 篇，精选 4 篇）

一、批次概览

本批 8 篇候选覆盖三条线：RAG 组合性评测、具身/计算机使用智能体的长程记忆与验证、以及智能体驱动的科学/交易/游戏研究闭环。共性问题是"上下文放得更多"是否真的等于"任务做得更好"——本批最值得读的三篇恰好都在拆解这一假设。

二、高价值工作

1. Retrieval Augmented Generation Compositionality（arXiv:2610.29722）

核心贡献是把 RAG 流水线（嵌入、切块、检索、重排、查询增强、上下文压缩、智能体验证）拆成可组合因子，预声明三条假设，用开源框架 LASAGNA 跑 450 组配置、8 个以上语料规模，回答"单项收益能否在组合后存活"。价值在于它把工程直觉变成可证伪命题，并区分"检索质量"与"答案忠实度"两种不同的最优设计方向。局限：摘要未披露配置细节与统计显著性，也未说明框架对多模态/图结构检索的覆盖；从摘要无法判断大规模语料上是否仍有交互项，结论迁移需谨慎。

2. From VLM Planners to Robotic Agents: Self-Evolving Harnesses for History-Dependent Manipulation（arXiv:2610.29560）

针对非马尔可夫长程任务：把高层 VLM 规划器重构成会自我演化的"记忆 harness"，保留任务进度与历史交互结果，缓解部分可观测与误差累积。这对长上下文议题有直接映射——历史信息不是塞进 prompt，而是结构化地"记下来并被使用"。价值在于把记忆从附加模块提升为策略的一部分。局限：主要证据来自机械操作域（VLA 策略），迁移到 RAG/问答类任务时，"自演化记忆"的收益来源（视觉反馈的稠密信号 vs. 语言反馈的稀疏信号）差异很大。

3. Right Screen, Wrong Transition: World Models as Verifiers for GUI Agents（arXiv:2610.11942）

指出 GUI 智能体的安全属性属于"转移"而非"画面"：只看屏幕的监控可被合法界面复用绕过；已有 GUI 世界模型输出文本/代码/图像，与观测屏幕对齐时需要第二个模型来判。这是一份关于"验证所需上下文表示"的清晰论证，对 agent-rag 中"检索内容与当前状态如何对齐"有方法论启发。局限：论证以概念与设计主张为主，摘要未给出攻击成功率等量化证据，实际收益需看正文实验。

4. Multimodal Embodied Agents: A Unified Capability-centric Perspective from Computer-Use to Robot-Use（arXiv:2610.30108）

提出 PAPAV 统一框架，把多模态具身智能体拆为五个反复出现的能力函数（感知状态、预判动作效果、规划、反馈修订等），并系统对比 computer-use 与 robot-use 的差异。价值在于提供一套跨域的分析坐标系，可直接用来审视 RAG 智能体缺了哪一环。局限：框架性综述，价值偏概念整合而非新能力提升；摘要未给出配套可复现实验或评测协议细节。

三、一条相关补充线索（仅本批相关）

一次轻量检索得到两篇 Substack 讨论，与本批 RAG/记忆议题直接相关：其一（codingwithroby.substack.com，The 2026 AI Agent Stack）指出知识与记忆已分化为两层，并强调"检索质量是评测问题、其次才是基础设施问题"，与 2610.29722 的可组合评测思路互为印证；其二（alphasignalai.substack.com，δ-mem 一文）主张 RAG 与长上下文都不等于智能体记忆，给出可训练的小型记忆适配器思路，可作为 2610.29560 中"记忆 harness"在语言侧的对照阅读。二者均为二手评论，不能替代论文结论。

四、其余候选（未入选，理由）

  • Scaling in Games（2610.28698）：120 组 CPT 配置的受控扩展研究，方法学扎实，但属预训练扩展规律，与 agent-rag-longcontext 主线最远。
  • Quant-Arena（2610.30113）：A 股端到端量化研究基准，有落地价值，但属金融垂直评测。
  • Agent4Sci（2610.28763）：20 个基准 11 个领域的前沿智能体科研能力测试，范围宽、结论易被逐点解读成本稀释。
  • SpatialScout（2610.26659）：3D 主动探索建图基准，空间智能方向独立，与本主题关联弱。

五、引用清单

  1. Retrieval Augmented Generation Compositionality — arXiv:2610.29722 — https://arxiv.org/abs/2610.29722
  2. From VLM Planners to Robotic Agents: Self-Evolving Harnesses for History-Dependent Manipulation — arXiv:2610.29560 — https://arxiv.org/abs/2610.29560
  3. Right Screen, Wrong Transition: World Models as Verifiers for GUI Agents — arXiv:2610.11942 — https://arxiv.org/abs/2610.11942
  4. Multimodal Embodied Agents: A Unified Capability-centric Perspective from Computer-Use to Robot-Use — arXiv:2610.30108 — https://arxiv.org/abs/2610.30108
  5. Scaling in Games: Continued Pre-Training For Embodied Agents In Diverse Virtual Worlds — arXiv:2610.28698 — https://arxiv.org/abs/2610.28698
  6. Quant-Arena: Benchmarking LLM Agents for Quantitative Trading Research — arXiv:2610.30113 — https://arxiv.org/abs/2610.30113
  7. Automating ML for Science: Can Frontier Agents Climb Scientific Hills in the Wild? — arXiv:2610.28763 — https://arxiv.org/abs/2610.28763
  8. SpatialScout: Can VLM Agents Actively Explore and Map 3D Scenes? — arXiv:2610.26659 — https://arxiv.org/abs/2610.26659
  9. The 2026 AI Agent Stack, Drawn from Scratch（Substack）— https://codingwithroby.substack.com/p/the-2026-ai-agent-stack-drawn-from
  10. RAG and Long Context Aren't Enough for Agent Memory（Substack）— https://alphasignalai.substack.com/p/rag-and-long-context-arent-enough

注：本报告仅基于清单条目标题、摘要、标识与链接，未获取全文，未复述实验数值细节。