5.2 ForeSci：研究判断型 agent 评测

• 类型：arxiv
• 标识：2606.00644
• 链接：https://arxiv.org/abs/2606.00644
• 主题：agent, database, engineering, evaluation, llm-infra, multimodal, rag, risk
• 来源文件：
• /inbox/tom/2026-06-10-agent-memory-rag-eval-radar.md

可复用信息

• • 链接：https://arxiv.org/html/2606.07402v1
• • 看点：把用户-助理长期互动扩展到文本、图片、文档等多模态历史。抽取片段显示，把整个对话塞入上下文会在多模型上降低回答质量，尤其开放模型下降更明显。
• • 判断：适合补充“长上下文不等于长期记忆”的证据。建议进入 registry，但优先级略低于 MAGE/MRAgent。
• • 链接：https://arxiv.org/html/2606.00644v2
• • 看点：从文献 QA 转向评估 research agent 的方向预测、瓶颈诊断、战略规划与 venue/community 判断。
• • 判断：与“学术研究知识库运营”本身高度相关，但需要审稿其任务构造是否足够客观。建议进入 registry，标注为 research-agent-eval。
• • 链接：https://github.com/volcengine/OpenViking
• • 看点：README 给出 OpenViking 0.3.22 在 LoCoMo、agent experience memory、HotpotQA 上的评测；HotpotQA top-20 检索声称达到 91% accuracy，延迟 0.23s。

写作用途

• 可放入 RAG / 知识库 / 检索增强相关工作的对比段。
• 可用于 Agent 架构、记忆、工具调用或多智能体研究背景。
• 可用于多模态推理、视觉语言模型或长上下文多模态问题定义。
• 可用于系统实现、实验平台或工程约束说明。
• 可用于局限性、风险、失效模式和未来工作。

待补齐

• BibTeX / 正式引用格式
• 方法与实验设置细节
• 与现有工作的差异点
• 是否有代码和数据集