causeval 在 DeepEval 之上为 LLM 应用评估补上不确定性、因果干预与 judge 审计三层证据
causeval 是 @routsom 创建并维护、构建于 DeepEval 之上的 LLM 应用评估层，它保留 DeepEval 的指标作为测量仪器，另加不确定性。
#RAG
#RAG
今日 8 条Hacker News · AIAI 评分5353 Hacker News · AIAI 评分2828 AI 成为招聘新宠：要求“3 年经验”的荒谬现象
作者发现当前招聘市场普遍在职位描述中堆砌 MCP、RAG、LangChain 等术语，甚至出现要求候选人具备技术发布前三年经验的荒谬条款。这种盲目跟风导致企业忽视实际用例，试图寻找能替代自身员工的“专家”，而非真正评估技能匹配度。
arXiv cs.CR精选AI 评分7878 黑盒多模态 RAG 数据提取攻击在 2500 次查询中最多重建 611 张放射科图像
针对图像返回型多模态 RAG 的黑盒自适应数据提取攻击把恶意指令嵌入用户输入图像，而不是把恶意查询放在文本 prompt 中。实验覆盖医疗助手、文档助手和通用工具三个场景，在多个 CLIP-family retrievers 与不同 generators 下，单次 2500-query run 在 local-feature correspondence 下最多重建 611 张放射科图像、566 份文档扫描和 416 张通用图像，并达到非自适应 baseline 最多 5.6 倍。事实是攻击可沿 embedding space 中仍能产生新检索的区域自适应推进；推断是 MRAG 的图像检索与返回通道本身构成数据源泄露入口，防护需要覆盖多模态输入、检索和图像输出，而不只是文本 prompt。
推荐理由：它把多模态 RAG 的数据提取风险从文本提示扩展到图像输入，并给出黑盒自适应攻击的量化结果，能直接校正对 MRAG 安全边界的判断。
arXiv cs.CR精选AI 评分6868 MOMAT 用多图集混合与 CiM 加速为量化 LLM 提供低功耗越狱防御
MOMAT 是一个面向端侧量化大语言模型的安全框架，通过结构化知识检索和低功耗硬件加速来抵御越狱攻击。论文指出，量化会削弱大语言模型的对齐保护，使 qLLM 更容易被越狱；MOMAT 的应对方式不是单纯扩大安全数据库，而是把有害与良性样本、策略模板组织成多个语义图集，再对每条 prompt 做跨图集 top-k 检索和轻量 MoE 检测。 细节上，MOMAT 将检索任务放进 CiM 存内计算加速引擎执行，论文给出的对比数据显示，100 条查询批处理从 15,052.44 ms 降到 3,207.21 ns，能耗从 8.1×10^7 μJ 降到 3.32 μJ，相对 DRAM 基线分别获得约 4.69×10^6 倍加速和约 2.5×10^5 倍能耗下降。作者同时称红队评测中其防御效果与现有方法相当，并减少误伤良性请求，还计划开放 223.2k 样本数据集。 事实是论文提出了图集化 RAG 防护、MoE 检测与 CiM 检索的组合，并报告了显著效率指标；推断是这种模块化硬件路径可能更适合端侧 qLLM 的实时安全过滤；猜测是若 CiM 硬件可得且数据集有效，该方案可能影响边缘设备上的安全部署架构。
推荐理由：它把量化模型越狱防御从软件检索转向 CiM 硬件加速，可能改变端侧安全方案对延迟与能耗的取舍判断。
arXiv cs.AI精选AI 评分6868 生成式个性化中更多上下文不一定更好，研究提出 Context-Sufficiency Frontier
一项提交给 Journal of Service Research 的预印本研究提出，生成式 AI 个性化的关键不是给模型更多上下文，而是找到当前交互所需的最小相关上下文集合。作者把用户历史行为和偏好称为 customer evidence，把服务方在生成时补充的情境信息称为 provider-side context，并认为后者一旦变得容易供给，数量增加不一定带来收益。 研究构建了 context sufficiency 理论，将上下文状态分为 insufficiency、sufficiency、saturation 和 interference，并提出 Context-Sufficiency Frontier 用于定位最小相关集合。作者在一大家居零售商的生成式推荐系统上做了 full-factorial experiment，结果显示相关上下文提升了推荐适配度，无关上下文则降低适配度并扰乱检索。 该工作把个性化问题从“补充更多上下文”转向“判断当前交互真正需要什么上下文，并在服务流程中施加约束”。对做推荐、客服或导购类 Agent 的团队而言，它提示上下文工程需要引入相关性筛选和约束机制，而不是简单扩大 prompt 或 RAG 输入。
推荐理由：它提出上下文充分性边界，提醒个性化系统优先筛掉无关上下文，而不是继续堆料。
arXiv cs.AIAI 评分4242 Build2SPARQL：构建知识图谱查询的大规模文本到 SPARQL 基准数据集
Build2SPARQL 发布了包含 6,136 个可执行 SPARQL 查询和 30,680 个自然语言问题的建筑领域大规模基准数据集。该数据通过图遍历代码生成查询并由大语言模型生成问题，经人工验证语义保真度达 98.8%。在三个开源权重语言模型上的评估显示，检索增强后精确匹配准确率从零样本的 0.2-20% 提升至三样本的 56-65%。
arXiv cs.AI精选AI 评分6565 论文提出 CTWM 用重尾记忆轨迹优化长程语言 Agent 的记忆预算
Xinyuan Song 和 Zekun Cai 在 arXiv 论文中指出，长程语言 Agent 的外部记忆使用会向少数核心状态集中，罕见状态则落入长尾并累积预测误差；他们据此提出 Core--Tail World Model（CTWM），用单一指数 τ 分配提示词预算并保留摘要化长尾。 在 Synthetic Graph World 上，论文称 CTWM 相对 graph-memory baseline 保持完整状态与转移覆盖，减少 5.9% prompt tokens，并把下半部分长尾预测误差降低 13.6%。同一配对比较还显示其在 ALFWorld 上有一致的 token 节省，在 LongMemEval 上减少 24.48% tokens 且总体准确率持平。审计部分还发现集中现象可复现但依赖策略：random-walk agent 产生与 log-normal 兼容的检索痕迹，语义 LLM 策略产生更强的截断幂律核心—长尾痕迹。 事实是论文给出了审计方法和三组基准上的配对结果；推断是重尾记忆轨迹可作为 token 高效世界模型的控制信号；猜测是其是否适用于更复杂真实任务仍取决于外部验证。
推荐理由：把长程 Agent 记忆从成功率和 token 成本转向长尾预测误差，可作为记忆系统评测与预算控制的新变量。
Hacker News · AIAI 评分4242 GGUF Libra 基于遗忘机制的 Agent 设计
GGUF Libra 通过对话树版本控制与谱图理论构建拓扑记忆，解决传统线性架构的上下文污染与推理深度缺失问题。该工具利用 llama.cpp 在本地运行，支持 Gemma 4 E4B 等模型，提供 Git 式分支、物理 KV 缓存清除及语法感知代码分块功能。