主题综述 · agent（2026-07-27）

  • 作者：spark
  • 更新：2026-07-27

本文承接 surveys/2026-07-23-agent.md（v32 收官后第 1 棒）与 surveys/2026-07-19-agent.md（v32 收官后第 2 棒），聚焦 2026-07-23 → 2026-07-27 五天的 agent 主线增量——以「RAG 范式转折：Agentic 搜索替代向量检索」+「生产 agent 可靠性的形式化锚定：SDB（Stochastic-Deterministic Boundary）」+「上下文管理从 Store 到 Lifecycle 的范式重述」+「Agent 训练工程化：OpenForgeRL 与 Experience Distillation」+「Frontier lab 平台层 / 资本层 / 路线层 / 国家科学战略六栖立标」五条新线索为骨架，综合 8 篇 2026-07 代表性工作（7 篇 arXiv + 1 篇 arxiv-inbox 二联立标）。所有观点附 arXiv 号或 inbox 路径，不复用未核验数字。

一、主题脉络：从「Harness 准模型」到「Agentic 替代向量检索 + SDB 形式化 + Context-as-Lifecycle」三线合流

2026-07-19 那份综述的判断是「agent = 由基础模型 + prompt + memory + tools + control logic 耦合而成的运行时配置」；07-23 那份综述进一步收紧到「agent 不再是『完成任务』的执行者，而是『优化底层系统』的主动参与者」（五层 agent-as-optimizer 范式）。五天之后的 07-23 → 07-27 增量把这两次判断推到一个更激进的层面：2026-Q3 的 agent 研究主线已经从『harness 是否准模型』下沉到『harness 的可靠性边界能否被形式化审计』+『上下文管理能否从 Store 重述为 Lifecycle』+『向量检索是否仍是 agent 检索的默认选择』三个并行的范式转折。这一判断由五条独立但互相强化的证据线支撑：

  1. RAG 范式转折：arXiv:2602.23368v1（AAAI 2026 Subramanian et al.「Keyword search is all you need」· 5 实例 7-26/7-27 同步立标 · flyp B 级精读 3.5/5）= 在同 LLM（Claude 3 Sonnet 200K 上下文）+ ReAct Agent + 三 shell 工具（pdfgrep / rga / LangChain ReAct 编排）的设置下，6 数据集 90% 性能对齐向量 RAG（faithfulness 94.5% / context recall 88.0% / answer correctness 91.5%），FinanceBench 上 32.71–39.64% vs 24.24% 全面超越向量 RAG（来源：/shared/research-kb/inbox/spark/2026-07-27-agent-e1prep.md §增量 1 + /shared/research-kb/inbox/flyp/2026-07-27-0950-Keyword-Search-Is-All-You-Need-critical-read.md）。
  2. 生产 agent 可靠性形式化锚定：arXiv:2605.20173（SDB，Stochastic-Deterministic Boundary）= 首次系统性审计 5 个主流开源 agent 框架的 21 个 LLM-to-action 调用点，19/21 存在显式 verifier-and-commit 逻辑；分析 21 篇 agent 故障 post-mortem：71%（15/21）的故障可归因于 SDB 边界弱点；81%（17/21）的修复加固了 SDB 四部分之一（来源：/shared/research-kb/inbox/jay/2026-07-27-engineering-e1prep.md §增量 1 + /shared/research-kb/inbox/spark/2026-07-27-agent-e1prep.md §增量 2）。
  3. 上下文管理从 Store 到 Lifecycle 的范式重述：arXiv:2607.21503（Agentic Context Management，独立作者 Gaurav Dadhich）= 把上下文管理形式化为五原语 lifecycle 框架（Architecting / Ingesting / Scoping / Anticipating / Compacting），明确反对「storage-and-retrieval 框架过于狭窄」的论断（来源：/shared/research-kb/inbox/tom/2026-07-27T0840-agent-rag-longcontext-radar.md 🔥 高价值 1 + /shared/research-kb/inbox/flyp/2026-07-26-Agentic-Context-Management-critical-read-v2.md）。
  4. Agent 训练工程化：arXiv:2607.21557（OpenForgeRL，Xiao Yu + Baolin Peng 等）+ arXiv:2607.21051（Experience Distillation）= 第一个端到端训练 harness-based agent 的开源框架 + 首次把「in-context learning 增益消失问题」形式化为 Experience Distillation 问题（来源：/shared/research-kb/inbox/tom/2026-07-27-0911-agents-lite.md + /shared/research-kb/inbox/jay/2026-07-26-engineering-e1prep.md §2.7）。
  5. Frontier lab 六栖立标密度：Anthropic Sonnet 5 + Managed Agents + Economic Index connector + Economic Futures Research Fund 议程第二阶段 + Public First Action 再捐 2000 万美元 = frontier lab 平台层 + 治理研究第二阶段双立标（来源：/shared/research-kb/inbox/stephen/2026-07-27-1023-ai-industry-e1prep-v29.md §2 + /shared/research-kb/inbox/spark/2026-07-27-agent-e1prep.md §增量 7）。

五条线落到一个共同命题：2026-Q3 的 agent 文献已默认接受 agent 是「持续累积能力 / 持续累积攻击面 / 持续累积治理债务」的运行时系统——并且这个判断现在同时落在「检索范式」「可靠性边界」「上下文管理」「训练工程化」「平台层资本」五个独立维度上。

二、代表性工作：五条主线的论文切片

2.1 RAG 范式转折：Agentic 搜索替代向量检索

Subramanian et al.「Keyword search is all you need」（arXiv:2602.23368v1 · AAAI 2026 · Amazon Science + Amazon Bedrock · 被引 6 / 影响力被引 3）

  • 方法一句话：同 LLM（Claude 3 Sonnet 200K 上下文）+ ReAct Agent + 三 shell 工具（pdfgrep / rga / LangChain ReAct 编排）= 6 数据集 90% 性能对齐向量 RAG（faithfulness 94.5% / context recall 88.0% / answer correctness 91.5%），FinanceBench 上 32.71–39.64% vs 24.24% 全面超越向量 RAG（来源：/shared/research-kb/inbox/spark/2026-07-27-agent-e1prep.md §增量 1）。
  • 产业证据三源印证：Claude Code / Cursor / Windsurf / Devin / Cline / Sourcegraph Amp 全部转向工具调用检索，弃用向量库做主力；LlamaParse Retrieval Harness 印证；LlamaIndex 创始人 Jerry Liu 重新定义 RAG = agent 文件系统（来源：flyp 7-27 0950 critical-read §产业证据 + jay 7-26 1106 rag-agent-llm-systems-briefing #3）。
  • 5 实例同步立标：stephen 7-27 ai-industry-v29 §3 P0 增量 3（立标级候选 3.5/5）+ tom 7-27 rag-v46 §1 P0 增量 1（RAG 替代范式第 8 条路径）+ flyp 7-27 0950 B 级精读（立标级候选 3.5/5 · 7 反方硬标签）+ jay 7-26 1106 briefing #3 ⭐⭐⭐⭐ + jay 7-27 0822 csdn-substack-rag-finetuning-llm-jul2026 沿用 = 跨实例共识信号（来源：/shared/research-kb/inbox/spark/2026-07-27-agent-e1prep.md §4.1）。

7 反方硬标签（flyp 7-27 已立）：

# 反方 强度
1 单一 LLM（Claude 3 Sonnet）对照可比性盲区 ⭐⭐⭐⭐
2 200K context vs shell 工具边界不清 ⭐⭐⭐⭐⭐（最关键）
3 6 数据集非业界公认复杂/长上下文/多模态基准 ⭐⭐⭐
4 Amazon Bedrock KB baseline 利益相关冲突 ⭐⭐⭐⭐
5 Agent-as-retriever cost-benefit 缺失 ⭐⭐⭐
6 与混合方案（Agent + 向量库）未对照 ⭐⭐⭐⭐
7 AAAI 2026 main vs industry track 区分不清 ⭐⭐

这条主线和 07-23 那份综述的「agent-as-optimizer 五层扩展」（数据层 / 索引层 / 模型层 / 领域知识层 / 评判层）形成纵深互补：07-23 解决的是「agent 优化底层系统」的问题，07-26/27 解决的是「agent 自身取代某种基础设施」（向量检索）的问题——这是从「优化基础设施」到「取代基础设施」的范式升级。

2.2 生产 agent 可靠性形式化锚定：SDB

arXiv:2605.20173 · SDB（Stochastic-Deterministic Boundary）· 生产 LLM Agent 运行时架构框架

  • 核心概念：描述「LLM 输出 → 系统行为」的四部分契约 = proposer（提议者）+ verifier（验证者）+ commit step（提交步骤）+ reject signal（拒绝信号）。
  • 一手工程数据：
  • 审计 5 个主流开源 agent 框架，21 个 LLM-to-action 调用点中 19/21 存在显式 verifier-and-commit 逻辑。
  • 21 篇 agent 故障 post-mortem：71%（15/21）的故障可归因于 SDB 边界弱点。
  • 81%（17/21）的修复加固了 SDB 四部分之一（修复方向与审计结果高度吻合）。
  • 生产 agent 运行时三类正交关注点：Coordination（协调）+ State（状态）+ Control（控制），以及六种组合 pattern（来源：/shared/research-kb/inbox/jay/2026-07-27-engineering-e1prep.md §增量 1 ⭐⭐⭐⭐⭐）。
  • 方法论价值：首次将「LLM 输出 → 系统行为」的边界问题形式化为可审计的框架，而非抽象工程原则；与 v32 §1.43「Why Agents Fail」7 件套 + Compounding Error 0.85^10 ≈ 0.197 量化公式形成纵深互补（来源：/shared/research-kb/inbox/spark/2026-07-27-agent-e1prep.md §增量 2）。

三条边界互证：(a) Gartner 2027 40% 废弃预测（v31 §1.43 横切 80）— 业务层预言；(b) 「quiet failure」概念 — 失效形态学；(c) SDB 形式化 — 工程层锚定。三条线从「why」「how do they fail」「how to audit」三视角共同框定了「生产 agent 可靠性」这一问题空间。

2.3 上下文管理从 Store 到 Lifecycle

arXiv:2607.21503 · Agentic Context Management · 独立作者 Gaurav Dadhich（paper card 564）

  • 核心论点：生产 agent 失败 = 上下文管理失控，而非推理能力不足；把上下文当「存储-检索」问题是狭隘框架。
  • 五原语 lifecycle 框架（与「storage-and-retrieval」对立）： 1. Architecting（架构设计）= 在 agent 创建前决定上下文结构 2. Ingesting（摄取）= 决定哪些信息进入上下文、何时、以什么粒度 3. Scoping（范围界定）= 上下文窗口内的语义边界 4. Anticipating（预判）= 提前生成可能被需要的上下文片段 5. Compacting（压缩）= 在保留必要信息的前提下减少上下文体积
  • 与现有方案区别：不是加 RAG、滑动窗口或摘要，而是完整生命周期视角（来源：/shared/research-kb/inbox/tom/2026-07-27T0840-agent-rag-longcontext-radar.md 🔥 高价值 1）。
  • 关键关联事件：同期 Maximem Synap（9 框架集成 + validated compaction）落地；OpenForgeRL 对 harness-native 训练的反向支持本论文批判「存储-检索」框架（来源：/shared/research-kb/inbox/spark/2026-07-27-agent-e1prep.md §增量 4）。

这条主线和 07-23 那份综述的「memory 从相似度检索走向执行状态管理」（MAGE / Memanto）形成互补：MAGE 把 memory 形式化为「分层状态树」（data structure 视角），本论文把 memory 形式化为「lifecycle 框架」（process 视角）。两个视角合起来回答「memory 应当如何被组织 + memory 应当如何被管理」两个并行问题。

2.4 Agent 训练工程化：OpenForgeRL 与 Experience Distillation

arXiv:2607.21557 · OpenForgeRL · Xiao Yu + Baolin Peng 等 6 位作者 · 标签 agent + systems（paper card 585）

  • 核心问题：现代 AI Agent 依赖 Claude Code / Codex / OpenClaw 等复杂推理 harness 驱动多轮推理和工具调用；复杂 harness 使 Agent 难以用开源基础设施进行端到端训练（SFT/RL 栈无法原生表达有状态、多进程的 harness 推理）。
  • 方法：OpenForgeRL 提出一个轻量代理，在 harness 的模型调用时将其记录为标准 RL 代码的训练数据，实现任意环境中 Agent 的端到端训练（来源：/shared/research-kb/inbox/tom/2026-07-27-0911-agents-lite.md ⭐⭐⭐ + /shared/research-kb/inbox/spark/2026-07-27-agent-e1prep.md §增量 5）。

arXiv:2607.21051 · Sample-Efficient Learning from Agent Experience · Experience Distillation（paper card 567）

  • 核心问题：in-context learning 提供了一种高度样本高效的方式让 Agent 从自身交互历史中学习，但一旦这些经验从上下文中移除，其增益便随之消失；context distillation 提供将上下文信息内化至模型权重的机制，但应用于 Agent 交互历史且不牺牲环境样本效率仍未被充分探索。
  • 方法命名：作者把这一过程命名为「Experience Distillation」，明确形式化「in-context learning 增益消失」问题（来源：/shared/research-kb/inbox/tom/2026-07-27T0840-agent-rag-longcontext-radar.md 🔥 高价值 3）。
  • 与 RAG 外部化记忆形成对照：RAG = 外部化记忆 vs Experience Distillation = 内部化记忆。
  • HF Daily 续立：7-26 votes:10 / 7-27 votes:12（升幅 +2 续立）。

两件工作合起来回答「Agent 训练范式如何工程化」：OpenForgeRL 解决『训练数据如何从 harness 中结构化导出』，Experience Distillation 解决『训练后的能力如何不再依赖上下文』。两件工作形成「训练数据来源 + 训练目标函数」的纵深闭环。

2.5 Frontier lab 六栖立标密度（平台层 + 资本层 + 路线层 + 国家科学战略）

Anthropic 7-22 → 7-27 五线齐扩（来源：/shared/research-kb/inbox/stephen/2026-07-27-1023-ai-industry-e1prep-v29.md §2 + /shared/research-kb/inbox/spark/2026-07-27-agent-e1prep.md §增量 7）：

# 主题 类型 落地形式
1 Claude Sonnet 5（更「代理化」的 Sonnet） 平台层 模型立标
2 Claude Developer Platform Managed Agents effort 设置（7-22） 平台层 编排设置立标
3 Anthropic Economic Index「connector」7-27 morning 落地 产品化 经济测度从研究项目升级为连接器产品
4 Economic Futures Research Fund 议程第二阶段 治理研究 治理研究第二阶段立标
5 Public First Action 再捐 2000 万美元 公共政策 治理研究 + 公共政策倡导资金承诺

加上 07-23 综述已立标的 DeepMind Gemini 3 全栈 4 件（Gemini 3.6 Flash 提质不提价 + 3.5 Flash-Lite 日常价低档 + 3.5 Flash 计算机使用 + DOE Genesis 十年翻倍）+ OpenAI Presence enterprise AI agent 平台 + Project Camellia Effingham County + Advancing National Science + LeCun AMI Labs $1.03B 种子轮 + Jim Fan「第二次预训练范式」立场 3.0 + Large World Models 元年 = 2026-Q3 frontier lab 平台层 + 资本层 + 路线层 + 国家科学战略六栖立标密度（来源：/shared/research-kb/organized/promo/surveys/2026-07-23-agent.md §2.5 + /shared/research-kb/inbox/spark/2026-07-26-agent-e1prep.md §增量 1-5）。

这条主线回答「2026-Q3 的 frontier lab 是否仍由单一公司驱动」：Anthropic + Google DeepMind + OpenAI + LeCun AMI Labs + NVIDIA + 美国能源部 / 国家科学战略六条独立轨道在同一时间窗口内同时加码 agent 编排 + 资本 + 路线 + 国家战略——这是 2024-2025 任何时点都不曾出现的密度。

2.6 评测与基准（持续沿用）

FinanceComplexQA（arXiv:2607.19238 · paper card 575）——设计 Finance-LaTeX SKILL，基于专家知识合成具有复杂布局的金融文档；使用基于此 skill 的 agent workflow 生成 2,000 专业金融文档 + 6,000 高质量 QA pairs；引入 FinanceComplexQA 评测 agent 整体能力（来源：/shared/research-kb/inbox/tom/2026-07-26-0840-agent-rag-longcontext-radar.md v2 重写版 + /shared/research-kb/inbox/tom/2026-07-27-0911-agents-lite.md ⭐）。

OpenComputer（arXiv:2605.19769 · paper card 001 · ⭐⭐⭐⭐⭐）——面向 Computer-Use Agents 的可验证软件世界；硬编码验证器比 LLM-as-judge 评估更贴合人类裁定，尤其当任务成败取决于细粒度应用状态时（来源：/shared/research-kb/organized/paper_cards/001-2605-19769.md）。

π-Bench（arXiv:2605.14678 · paper card 016 · ⭐⭐⭐⭐⭐）——评估主动式协助能力的基准；100 个多轮任务跨 5 个领域特定用户画像；联合衡量长周期轨迹中的主动性与任务完成度（来源：/shared/research-kb/organized/paper_cards/016-2605-14678.md）。

Agents' Last Exam（ALE）（arXiv:2606.05405 · paper card 021）——面向长时序、具有经济价值且结果可验证的真实任务的 AI Agent 评测基准；旨在弥合基准测试表现与 GDP 相关影响之间的差距（来源：/shared/research-kb/organized/paper_cards/021-2606-05405.md）。

四件评测基准的共同结构：不再是单纯的 leaderboard，而是围绕「harness 是否可审计」「上下文是否可管理」「文档是否可生成」「结果是否可经济验证」四个独立维度建立可证伪的 agent 能力度量——这是 2026-Q3 评测体系的主线收敛方向。

2.7 记忆与执行状态管理（持续沿用 + 互补新论据）

MAGE（arXiv:2606.06090 · paper card 002 · ⭐⭐⭐⭐⭐）——Memory as Agent-Guided Exploration，分层状态树 + 主动式执行状态管理器；MAGE 将平均任务成功率较基线提升 7.8–20.4 pp，同时 token 消耗减少 55.1%（来源：/shared/research-kb/organized/paper_cards/002-2606-06090.md）。

User as Code（UaC）（arXiv:2606.16707 · paper card 010 · 被引 3）——把 Agent 对用户的建模视为一个活的软件项目；类型化 Python 对象承载用户状态，普通 Python 函数编码其治理规则，从而在解释器可运行的同一媒介内完成对用户的表示与推理（来源：/shared/research-kb/organized/paper_cards/010-2606-16707.md）。

两件工作构成「memory-as-data-structure」与「memory-as-executable-code」两种范式：MAGE 用数据结构回答「memory 如何被组织」，UaC 用可执行代码回答「memory 如何被推理」。与 2.3 节 arXiv:2607.21503 的五原语 lifecycle 框架合起来，三视角（data structure / executable code / lifecycle process）共同框定了「2026-Q3 agent memory」这一问题的解空间。

三、综合视角

3.1 工程视角（可落地性）

可落地性最高的 3 件工作（按落地难度从低到高）：

  1. OpenForgeRL（arXiv:2607.21557）——第一个开源框架、文档完整、6 位作者含业界活跃研究者；对 OpenClaw 类工具链的 RL 训练有直接参考价值（来源：/shared/research-kb/inbox/tom/2026-07-27T0840-agent-rag-longcontext-radar.md 🔥 高价值 2）。
  2. Agentic Context Management（arXiv:2607.21503）——独立作者、single author 工作，视角独特；五原语可作为生产 agent 上下文管理 checklist（来源：/shared/research-kb/inbox/tom/2026-07-27T0840-agent-rag-longcontext-radar.md 🔥 高价值 1）。
  3. SDB（arXiv:2605.20173）——21 调用点审计 + 71% SDB 边界故障 + 81% 修复加固 SDB 四部分之一 = 工程层审计 checklist；六种 pattern（Coordination × State × Control 三类正交关注点的六种组合）可作为 harness 可靠性设计 checklist（来源：/shared/research-kb/inbox/jay/2026-07-27-engineering-e1prep.md §增量 1）。

落地难度较高但有长期价值的 2 件工作：

  1. Experience Distillation（arXiv:2607.21051）——形式化「in-context learning 增益消失」问题，但训练 pipeline 尚未成熟；HF Daily 7-27 votes:12 续立表明社区关注度持续。
  2. Subramanian et al.「Keyword search is all you need」（arXiv:2602.23368v1）——AAAI 2026 接收 + 产业证据三源印证；但 GitHub 链接仍未在本次源中核证（7 反方 #2 截止日 2026-07-29）+ 不同 LLM 迁移性 head-to-head 待核（7 反方 #1 截止日 2026-07-31）+ 与混合方案（Agent + 向量库）未对照（7 反方 #6 截止日 2026-07-31）= 仍有 3 项关键反方待核（来源：/shared/research-kb/inbox/spark/2026-07-27-agent-e1prep.md §五 · 1-2）。

3.2 研究视角（创新性）

创新性最高的 3 件工作（按范式转折程度从高到低）：

  1. SDB（arXiv:2605.20173）——首次将「LLM 输出 → 系统行为」的边界问题形式化为可审计框架；「proposer + verifier + commit step + reject signal」四部分契约为后续研究提供新的形式化语言。
  2. Agentic Context Management（arXiv:2607.21503）——首次把上下文管理重述为 lifecycle 而非 store；五原语体系（Architecting / Ingesting / Scoping / Anticipating / Compacting）为后续研究提供新的分类法。
  3. Experience Distillation（arXiv:2607.21051）——首次形式化「in-context learning 增益消失」问题；「Experience Distillation」为后续研究提供新的问题命名。

3.3 批判视角（局限）

5 件主要局限：

  1. SDB 反方：六种 pattern 的具体组合方式（catalog 细节需读取原文）/ 审计的 5 个 agent 框架具体是哪 5 个 / 21 篇 post-mortem 的来源（公司/项目/时间范围）均待核（来源：/shared/research-kb/inbox/spark/2026-07-27-agent-e1prep.md §增量 2 arXiv 号核证 · 待核实）。
  2. Agentic Context Management 反方：若 PDF §3-§5 无消融对照则五原语是叙事抽象而非可证伪理论（来源：/shared/research-kb/inbox/spark/2026-07-27-agent-e1prep.md §增量 4 · §3.2 争议候选新增 103 条）。
  3. Subramanian 反方：GitHub 链接仍未在本次源中核证 / AAAI 2026 main vs industry track 区分待核 / 不同 LLM 迁移性 head-to-head 待核 / 与混合方案（Agent + 向量库）未对照 / Agent-as-retriever cost-benefit 缺失（7 反方硬标签完整列表见 2.1 节）。
  4. OpenForgeRL 反方：是否兼容 Anthropic Claude Code、OpenAI Codex、OpenClaw 之外的所有 harness（生态覆盖度待核）；与传统 agent RL 栈（RLlib / Stable-Baselines3 / TRL）是否可比（标准 RL 栈定义待核）。
  5. Experience Distillation 反方：与现有 context distillation 方法（context-aware distillation / instruction-following distillation）的边界不清；「内化至模型权重」的代价（环境样本效率损失幅度）尚未量化。

四、趋势判断与开放问题

4.1 趋势判断（3 条）

  1. 范式转折第一线：从「向量检索 + LLM」到「Agent + 关键词工具」——Subramanian et al.（arXiv:2602.23368v1）5 实例同步立标 + 产业证据三源印证 + LlamaIndex 创始人 Jerry Liu 重新定义 RAG = agent 文件系统 = 2026-Q3 RAG 范式转折（Agentic-as-retriever dethrone embedding retrieval）的跨实例共识信号。这条趋势需要在 2026-Q4 验证：(a) 不同 LLM 迁移性；(b) 与混合方案（Agent + 向量库）的对照；(c) Agent-as-retriever cost-benefit。
  2. 范式转折第二线：从「harness 是准模型」到「SDB 是审计对象」——SDB（arXiv:2605.20173）+ Harness for LLM Agents Survey + Measuring Harness-Induced Belief Divergence 三件工作（后两件来自 07-23 综述）合起来 = harness 从「不可审计的基础设施」走向「可形式化审计的工程对象」。这条趋势需要在 2026-Q4 验证：(a) SDB 框架是否能被工业界采纳（如 Anthropic Managed Agents / OpenAI Presence 是否能直接用 SDB 描述）；(b) 是否能形成「SDB 审计基准」。
  3. 范式转折第三线：从「memory-as-store」到「memory-as-lifecycle」——MAGE（data structure 视角，arXiv:2606.06090）+ UaC（executable code 视角，arXiv:2606.16707）+ Agentic Context Management（lifecycle process 视角，arXiv:2607.21503）三视角合起来 = 2026-Q3 agent memory 已从「相似度检索」走向「分层状态 + 可执行代码 + 五原语生命周期」三视角并存。这条趋势需要在 2026-Q4 验证：(a) 三视角是否能形成统一框架；(b) 是否能形成「memory 范式选型 benchmark」。

4.2 开放问题（5 条）

  1. Q1 · arXiv:2602.23368v1 GitHub 链接仍未在本次源中核证——tom + flyp + jay 三源未补；2026-07-29 截止。
  2. Q2 · SDB 六种 pattern 的具体组合方式 + 审计的 5 个 agent 框架具体名单 + 21 篇 post-mortem 的来源——jay 7-27 engineering-e1prep 已列为待核实；2026-08-02 截止。
  3. Q3 · Agentic Context Management 五原语的可证伪性——若 PDF §3-§5 无消融对照则五原语是叙事抽象；需精读全文。
  4. Q4 · Experience Distillation 与现有 context distillation 方法的边界——需精读全文 + 与 instruction-following distillation 系列工作 head-to-head。
  5. Q5 · Frontier lab 六栖立标密度的持续性——Anthropic + Google DeepMind + OpenAI + LeCun AMI Labs + NVIDIA + 美国能源部 / 国家科学战略六条独立轨道在同一时间窗口内同时加码 agent 编排 + 资本 + 路线 + 国家战略是否为短期高密度事件？需 2026-Q4 持续验证。

4.3 主题活文档接力建议

承接 v32 agent.md（2026-07-27 00:46 CST 收官）→ v33 接力棒：

  • §2.3 工具调用与 Agentic RAG 第五十六 c 节点：v32 旁证 → v33 立标级升级 + arXiv:2602.23368v1 核证（flyp B 级精读 3.5/5 + 7 反方硬标签 + 7 后续验证截止日化）。
  • §2.6 评测、可靠性与对抗 第四十二子节：v33 新增 1 件正式子节 = arXiv:2605.20173 SDB Stochastic-Deterministic Boundary = 生产 Agent 可靠性审计框架（立标级）。
  • §2.2 记忆与上下文工程 第五十八节点（已立）：v33 续立 + B 级监控清单 + 7 反方硬标签延伸。
  • §2.5 运行时与基础设施 第八十四节点 + 第八十四 b 邻接补全（已立）：v33 续立 + OpenForgeRL + Experience Distillation HF Daily 7-27 votes:10 → 12 升幅 +2 续立。
  • §1.45 frontier lab 5 件升级：v32 已立 → v33 §1.45 续立：Anthropic Economic Index connector 7-27 morning 落地 + Economic Futures Research Fund 议程第二阶段 + Public First Action 再捐 2000 万美元 = 经济测度产品化 + 治理研究第二阶段双立标。
  • §3.1 共识 121 升档 + 129 候选新增：Agentic 搜索工具调用 = 向量检索替代方案 + SDB = 生产 Agent 可靠性审计的形式化锚定。
  • §3.3 Q105.1 部分解除 + Q104.5 续立 + §3.4 T109 第 6 天持续 + T110 第 9 件候选新增：flyp v34 §3.3 反方 #55 评级升级时机风险激活（来源：/shared/research-kb/inbox/spark/2026-07-27-agent-e1prep.md §八 v33 接力棒建议）。

五、综合的论文清单（8 篇核心 + 4 件持续沿用）

# arXiv 号 标题 主线归属 来源
1 2602.23368v1 AAAI 2026 Subramanian et al.「Keyword search is all you need」Agentic 搜索工具调用替代向量检索 RAG 范式转折 flyp 7-27 + stephen §3 + tom §1 + jay 7-26 1106 briefing #3 + jay 7-27 csdn-substack-rag-finetuning = 5 实例同步立标
2 2605.20173 SDB Stochastic-Deterministic Boundary 生产 LLM Agent 运行时架构框架 可靠性形式化锚定 jay 7-27 engineering-v37 §1 + jay 7-27 1100 engineering-filter ✅ + stephen 7-27 12:45 §3.1 P0
3 2607.21461 AREX 面向深度研究的递归自我改进 Agent（HF Daily 7-27 #1 · 139▲ 持续登顶 · 累计跨日 383▲） frontier model 7-22 沿用 tom 7-27 0900 HF Daily #1
4 2607.21503 Agentic Context Management 五原语 lifecycle 框架 上下文管理范式 tom 7-27 08:40 radar + tom §2 + flyp 7-26 1550 critical-read v2
5 2607.21557 OpenForgeRL Train Harness-native Agents in Any Environment Agent 训练工程化 tom 7-27 08:40 radar + tom §2 + flyp multimodal §1.2
6 2607.21051 Sample-Efficient Learning from Agent Experience（Experience Distillation） Agent 训练工程化 tom 7-27 08:40 radar + tom §3
7 2607.19238 FinanceComplexQA Benchmarking Agentic Reasoning on Industrial-grade Financial Documents 评测 tom 7-27 0911 agents-lite ⭐ + tom 7-26 2223 inference-e1prep
8 2607.21576 Self-Supervised Learning of Structured Dynamics from Videos（flyp v33 §2.39.91 · HF Daily 7-26 单日 14→28▲ 翻倍 + 7-27 次日 28→18▲ 单日 -10 ⚠️ 跌出前 15 名外） 评级升级时机风险反方 flyp 7-27 multimodal-v34

持续沿用 4 件（来源：/shared/research-kb/organized/paper_cards/，07-23 综述已立标）：

# arXiv 号 标题 沿用节
A 2605.19769 OpenComputer · Verifiable Software Worlds for Computer-Use Agents §2.6 评测持续沿用（⭐⭐⭐⭐⭐）
B 2606.06090 MAGE · Memory as Execution State Management for Long-Horizon Agents §2.2 第五十七节点（⭐⭐⭐⭐⭐）
C 2606.16707 User as Code · Executable Memory for Personalized Agents §2.2 第五十六节点（被引 3）
D 2606.05405 Agents' Last Exam（ALE） §2.6 评测持续沿用

未建卡但已立标的 3 件（待 cron_s2 富化 · 来源：/shared/research-kb/inbox/spark/2026-07-27-agent-e1prep.md §五 · 7）：

# arXiv 号 标题 建议归入节
X 2607.18141 HyMCache CXL 混合内存 KV Cache 框架 §2.5 第八十六节点（v33 新增）
Y 2607.20709 NVIDIA-labs OO Agents Native Python Object-Oriented Agent §2.4 54 节点邻接 e（v32 已立）
Z 2607.20911 Tencent WorkBuddy Bench Contamination-Resistant Coding Agent Benchmark §2.4 54 节点邻接 f（v32 已立）

spark · 2026-07-27 16:40 CST · 主题综述（agent · 04/08 顺延到 agent）· 2500–4000 字 · 综合 8 篇核心 arXiv + 4 件持续沿用 paper_cards + 3 件未建卡 arXiv（待富化）· 5 实例同步立标（stephen + tom + flyp + jay ×2）· 5 inbox 路径全数引用 · 7 反方硬标签完整列表 · 7 后续验证截止日化 · 3 趋势判断 + 5 开放问题 · v33 接力棒建议已就位