PFedMA: Who Should Join Next as Federated Multi-Agent Orchestration Evolves?
Tianjin University of Technology(天津工业大学);Inner Mongolia University(内蒙古大学);Institute of automation, Chinese academy of science(中国科学院自动化研究所)
针对联邦多智能体协作的智能体选择与隐私规则适配难题,提出PFedMA框架,通过维护历史状态、双向隐私规则演进等提升任务性能、降低隐私泄露并增强鲁棒性。
2026-10-14 cs.AI
User as Code: Executable Memory for Personalized Agents
Pine AI
提出可执行记忆范式User as Code,将用户模型转化为可运行的Python代码,通过两阶段流水线实现精确聚合与规则执行,在长对话基准上达到78.8%召回率,聚合问题准确率99%,并能主动触发安全警报。
2026-06-16 cs.AI
Differential Harm Propensity in Personalized LLM Agents: The Curious Case of Mental Health Disclosure
Khoury College of Computer Sciences(科里学院计算机科学学院)
研究探讨了心理健康披露对代理有害行为的影响,发现个性化设置可降低伤害,但易受对抗性压力影响,需加强个性化评估与安全措施。
2026-03-17 cs.AI
Toward Robust Personalized Alignment for LLMs: Mitigating Persona Drift in Multi-Turn Dialogue
Harbin Institute of Technology, Shenzhen(哈尔滨工业大学(深圳));Peng Cheng Laboratory(鹏城实验室);Huazhong University of Science and Technology(华中科技大学)
针对多轮对话中用户偏好变化导致的角色漂移问题,提出CORE方法分离回合级证据与持久状态修订,并引入PERSIST基准,在多个数据集上提升个性化对齐鲁棒性。
2026-09-14 cs.AI
From Model Scaling to System Scaling: Scaling the Harness in Agentic AI
UC Berkeley(伯克利大学)
本文提出智能体AI的下一个瓶颈是系统扩展而非仅模型扩展,通过设计可审计、持久、模块化和可验证的架构(称为“缰绳”),并研究上下文治理、可信记忆和动态技能路由三大瓶颈,以推动智能体行为从模型能力向长期任务执行转化。
2026-05-25 cs.AI cs.LG
DOVA: Deliberation-First Multi-Agent Orchestration for Autonomous Research Automation
University of California, Berkeley, USA(加州大学伯克利分校);Amazon Web Services, USA(亚马逊网络服务)
DOVA通过协商优先的协作机制、混合协同推理和自适应多层思考,提升多源信息整合与复杂任务处理能力,降低推理成本并提高回答准确性。
2026-03-04 cs.AI
When Claws Remember but Do Not Tell: Stealthy Memory Injection in Persistent Personal Agents
Nanyang Technological University(南洋理工大学);CFAR, A*STAR(CFAR,A*STAR);Johns Hopkins University(约翰霍普金斯大学)
针对持久化个人智能体的隐秘内存注入威胁,构建多场景基准测试集WhisperBench,提出单次邮件投送的黑盒攻击框架MemGhost,可跨架构、跨防御实现高成功率的长期智能体入侵。
2026-07-07 cs.AI cs.CR
AutoSci: A Memory-Centric Agentic System for the Full Scientific Research Lifecycle
Peking University(北京大学)
提出AutoSci,一个以记忆为中心、支持完整科学生命周期的智能体系统,通过结构化记忆、多阶段流程、有向无环图增强和演化机制实现自动化科研。
2026-05-29 cs.AI
BenchPreS: A Benchmark for Context-Aware Personalized Preference Selectivity of Persistent-Memory LLMs
Yonsei University(延世大学);LG AI Research(LG AI研究院)
BenchPreS评估持久内存LLM在不同通信场景中对用户偏好是否恰当应用,发现前沿模型在上下文敏感应用上存在不足,偏好遵循性强的模型易出现过度应用,推理能力和提示防御无法彻底解决此问题。
2026-10-16 cs.AI cs.CL
Enabling Personalized Long-term Interactions in LLM-based Agents through Persistent Memory and User Profiles
Ulm University(乌尔姆大学)
针对LLM智能体个性化交互不足的问题,提出集成持久记忆、动态协调、自我验证和动态用户画像的框架,经公共数据集和五天用户研究验证,可提升适应性和感知个性化。
2025-10-09 cs.AI cs.HC
Runtime-Independent Persistent Agents: Preserving Identity, Memory, and Code Across Models, Harnesses, and Servers
University of Washington(华盛顿大学);Paul G. Allen School of Computer Science & Engineering(保罗·G·艾伦计算机科学与工程学院)
该研究提出与运行时无关的持久智能体架构,定义连续性不变量与相关协议,通过 Enoch 实现该设计,验证其可跨模型等变更保留智能体连续性。
2026-09-22 cs.AI cs.SE
SemaClaw: A Step Towards General-Purpose Personal AI Agents through Harness Engineering
Midea AIRC(美的AIRC)
SemaClaw通过Harness工程推动个人AI代理发展,提出DAG-based两阶段混合代理团队编排方法、PermissionBridge行为安全系统、三级上下文管理架构和代理维基技能,提升AI代理的可控性与可扩展性。
2026-04-13 cs.AI
Formal Verification of Agentic Systems over Operational Data
本文针对操作数据上的智能体系统,提出形式化验证框架,定义STEADs模型,证明其FO-CTL验证问题的不可判定性,给出有限域下的充分条件,引入规范包装器并在案例工作流中验证。
2026-08-05 cs.AI
HearthNet: Edge Multi-Agent Orchestration for Smart Homes
Imperial College London(伦敦帝国学院);Independent Researcher(独立研究员)
HearthNet通过边缘多智能体系统解决智能家居中自然语言控制、设备故障和持续协调的问题,采用MQTT、Git共享状态和授权租赁实现设备管理。
2026-04-28 cs.AI cs.CR cs.DC
AgentSocialBench: Evaluating Privacy Risks in Human-Centered Agentic Social Networks
Carnegie Mellon University(卡内基梅隆大学)
研究探讨了人类中心代理社交网络中的隐私挑战,提出AgentSocialBench基准,揭示代理协作中隐私保护的复杂性及现有LLM在隐私保护上的不足。
2026-04-06 cs.AI cs.SI
From AI Technical Debt to Agentic Technical Debt: A Systematic Mapping of Root Causes and Manifestations in Agentic AI Systems
University of Birmingham(伯明翰大学);Bournemouth University(伯恩茅斯大学);Brunel University London(伦敦布鲁内尔大学);HBKU(哈迈德·本·哈利法大学);University of Hawaii(夏威夷大学)
本文针对智能体AI系统引入智能体技术债务(AgTD)概念,通过转换方法建立AITD到智能体表现的系统映射,明确其影响并提出管理框架与研究议程。
2026-08-04 cs.AI cs.CR cs.SE
Beyond Dyadic Memory: Interaction-Aware Multimodal Memory with Adaptive Agentic Retrieval for Multi-Party Spoken Conversations
针对多方口语对话长期记忆缺失问题,提出交互感知多模态记忆框架VoxPolyMem,结合增量说话人识别与记忆层级,并引入EG-GRPO优化检索,在VoxPolyBench等基准上显著超越基线。
2026-09-29 cs.AI cs.IR cs.SD
Livia: An Emotion-Aware AR Companion Powered by Modular AI Agents and Progressive Memory Compression
University of California, Berkeley(加州大学伯克利分校);New York University(纽约大学)
本文提出Livia,一款结合模块化AI智能体、多模态情感计算、渐进式记忆压缩和AR具身交互的情绪感知增强现实伴侣应用,通过TBC和DIMF算法优化记忆管理,显著降低存储需求并提升情感支持效果,用户评估显示其有效减轻孤独感并增强情感纽带。
2025-08-12 cs.AI cs.HC cs.MM
Albilich: Steerable Proof-State Orchestration for LLM-Based Mathematical Research with CAS Integration
Albilich是结合CAS等功能的开源数学自主研究智能体框架,在RealMath基准和Kourovka开放问题上取得优异效果,可实现AI辅助的可扩展数学研究。
2026-07-31 cs.AI cs.LG
FRAMEWORKERS: A Dynamic Multi-Agent Framework for AI-Generated Video Production
FRAMEWORKERS是一种以任务为中心的动态多智能体视频制作框架,通过Director和Assistant分工优化任务编排,在路由准确性、故障恢复等多方面优于现有方案。
2026-09-01 cs.AI
AI PB: A Grounded Generative Agent for Personalized Investment Insights
本文提出AI PB,一个在真实零售金融中部署的生产级生成式智能体,通过组件化编排、混合检索和多阶段推荐,在合规前提下主动生成个性化投资洞察,验证了有依据生成在高风险金融中的可靠性。
2025-10-23 cs.AI cs.CE cs.CL
Cogentic: Multi-Agent Orchestration for Automated Proof Discovery
Google Research(谷歌研究院)
Cogentic是一个多智能体框架,通过迭代证明-验证循环和持久账本,在开放数学问题上自动发现证明,已在五个开放问题上取得新颖结果。
2026-10-05 cs.AI cs.GT
Aethon: A Reference-Based Replication Primitive for Constant-Time Instantiation of Stateful AI Agents
Next Moca Global, Inc.(Next Moca全球公司)
本文提出Aethon,一种基于引用的复制原语,用于常数时间实例化状态性AI代理,通过改变实例化方式,降低创建成本并提升多代理协作效率。
2026-04-13 cs.AI cs.AR cs.DC
GAAMA: Graph Augmented Associative Memory for Agents
Nagarro(Nagarro公司)
GAAMA通过三步流程构建概念中介知识图,结合余弦相似度和个性化PageRank实现检索,通过GRaft修复知识图,提升多会话任务中的表现。
2026-11-17 cs.AI cs.IR cs.MA
AI-Supervisor: Autonomous AI Research Supervision via a Persistent Research World Model
本文提出AI-Supervisor框架,通过持续演进的知识图谱实现自主探索和自我修正的研究监督,解决传统线性流程无法处理研究空白和验证问题的不足。
2026-03-26 cs.AI
FinPerMA: A Theory-Informed, Event-Grounded Personalized-Memory Benchmark for LLM Agents
研究针对LLM智能体个性化记忆的现有基准不足,提出FinPerMA基准,在276个角色的2994个问题上测试7种LLM,发现其记忆配置远未饱和,简单检索优于专用记忆系统且冲击后差距扩大。
2026-08-06 cs.AI cs.CL
Mixed Integer Goal Programming for Personalized Meal Optimization with User-Defined Serving Granularity
March 2026(2026年3月)
本文提出混合整数目标规划(MIGP)解决个性化餐优化中的服务粒度和营养约束问题,通过整数变量和目标规划偏差实现更灵活的营养目标,且在多数情况下优于传统方法。
2026-03-12 cs.AI
Beyond Dialogue Time: Temporal Semantic Memory for Personalized LLM Agents
Institute of Computing Technology, Chinese Academy of Sciences(中国科学院计算技术研究所);State Key Laboratory of AI Safety(人工智能安全国家重点实验室);School of Computer Science, University of Chinese Academy of Sciences(中国科学院大学计算机科学学院)
本文提出TSM,一种面向个性化LLM代理的时序语义记忆框架,通过建模语义时间和持续记忆,提升对话任务的准确性和持续性。
2026-09-03 cs.AI
PsyEvo: A Personalized Counseling Agent That Self-Evolves at Test Time
Lyncia Lab(Lyncia实验室);Tianqiao and Chrissy Chen Institute(天桥与克里斯·陈研究所)
针对心理健康护理短缺,提出PsyEvo框架,通过个性化技能策略和响应优化在测试时自我进化,提升心理咨询效果,在PsychEval上获得7.684总分。
2026-10-05 cs.AI
PrefLUT: Reusable and Refinable Personalized Color Editing from Pairwise Preferences
The University of Sydney(悉尼大学);Indiana University(印第安纳大学);The University of Hong Kong(香港大学)
PrefLUT通过轻量级用户画像和查询条件LUT预测器,实现可复用、可优化的个性化颜色编辑,无需逐用户优化,仅需260字节存储和1.365毫秒/图,并引入PCVP验证协议。
2026-09-29 cs.AI cs.CV
From Attack Success to Attack Severity: Counterfactual Memory Attacks on LLM Agents
Shanghai Academy of AI for Science (SAIS)(上海人工智能科学研究院);Fudan University(复旦大学);Monash University(莫纳什大学)
针对LLM智能体持久记忆攻击,提出以反事实记忆遗憾(CMR)衡量攻击严重性,并设计MemHarm方法,通过语义编辑和离线反馈优化,实现更高下游损失且保留成功率。
2026-09-29 cs.AI
Continual Learning, Not Training: Online Adaptation For Agents
Arc Intelligence
本文提出双智能体架构ATLAS,通过解耦推理与执行并引入持久记忆,实现推理时无梯度的系统级持续学习,在复杂网络威胁调查基准上以更低成本超越大模型并验证了泛化能力。
2025-11-02 cs.AI cs.LG
NanoResearch: Co-Evolving Skills, Memory, and Policy for Personalized Research Automation
Shanghai Artificial Intelligence Laboratory(上海人工智能实验室);The Hong Kong University of Science and Technology(香港科技大学);Peking University(北京大学);Zhejiang University(浙江大学);Xi'an Jiaotong University(西安交通大学);East China University of Science and Technology(东华大学);The Chinese University of Hong Kong(香港中文大学)
本文提出NanoResearch框架,通过三重共进化解决研究自动化中的个性化需求,提升研究效率与用户体验。
2026-05-15 cs.AI
Designing Memory-Augmented AR Agents for Spatiotemporal Reasoning in Personalized Task Assistance
Language & AGI Lab(语言与人工智能实验室)
提出记忆增强AR智能体概念框架,通过感知、记忆、时空推理和执行器四模块解决复杂多步骤场景下的个性化任务辅助问题。
2025-08-12 cs.AI cs.CL
DART: A DAG-Based Reputation and Incentive Framework via Blockchain-Enabled Governance for Trustworthy LLM Multi-Agent Collaboration
Michigan Technological University(密歇根理工大学)
DART提出基于DAG的声誉与激励框架,结合区块链治理,实现可信LLM多智能体协作,在GSM8K达93.6%准确率,并有效隔离恶意智能体。
2026-09-09 cs.AI cs.MA
PersonalAlign: Hierarchical Implicit Intent Alignment for Personalized GUI Agent with Long-Term User-Centric Records
Harbin Institute of Technology, Shenzhen(哈尔滨工业大学(深圳));Shenzhen Loop Area Institute(深圳河套学院)
本文提出PersonalAlign,通过长期用户记录实现个性化GUI代理的隐式意图对齐,引入AndroidIntent基准测试,评估代理在模糊指令解析和主动建议中的表现,HIM-Agent在执行和主动性能上提升显著。
2026-05-13 cs.AI cs.CV cs.HC
Not Forgotten: Implementation and Evaluation of a Personalized Episodic Memory for the Humanoid Robot Head Kim
Stuttgart Media University(斯图加特媒体大学);University of Lübeck(吕贝克大学)
研究针对社交机器人跨会话无记忆问题,提出在人形机器人头部Kim上集成轻量级情景记忆模块,结合语义检索与对话系统,用混合评分函数检索交互并注入提示,实验表明该模块提升社交性且未引发负面反应。
2026-07-28 cs.AI cs.HC cs.RO
AdaMem: Learning What to Remember with Adaptive Memory Policies for Personalized Agents
Shanghai Jiao Tong University(上海交通大学);Tencent(腾讯)
针对长时程LLM代理中记忆膨胀导致QA准确率下降的问题,提出AdaMem方法,通过角色特定的记忆策略和基于反馈的轻量级自反思步骤,学习为每个用户记住重要信息,在减少9%记忆量的同时提升QA准确率最高9%。
2026-09-03 cs.AI cs.CL
TAGGRAPH: Tag-Augmented Graphs for Graph Retrieval of Agent Persistent Histories
University of California, San Diego(加州大学圣地亚哥分校)
本文提出TAGGRAPH,通过受控评估框架比较图检索与词法基线在智能体长期记忆中的表现,发现检索策略需与记忆设置联合评估,并强调词汇规范化与提取质量的重要性。
2026-10-02 cs.AI cs.IR
STAR-PólyaMath: Multi-Agent Reasoning under Persistent Meta-Strategic Supervision
Tsinghua University(清华大学);Microsoft Research(微软研究院);New York University(纽约大学);MIT(麻省理工学院)
本文提出STAR-PólyaMath多智能体框架,通过元级监督和结构化的推理-验证交互系统性解决数学推理中的幻觉积累、记忆碎片化和推理工具平衡问题,并在多个顶级竞赛基准上取得最佳成绩。
2026-05-19 cs.AI cs.CL cs.MA
Advancing Omnimodal Embodied Agents from Isolated Skills to Everyday Physical Autonomy
提出OmniAct框架,通过分层异步架构统一规划、记忆和验证,实现机器人在非结构化环境中的持久自主,在40项真实任务中提升成功率并降低token消耗。
2026-06-26 cs.AI cs.RO
The Model Is Not the Product: A Dual-Pillar Architecture for Local-First Psychological Coaching
iOS application(iOS应用)
本文提出Psych LM,一种基于本地优先架构的iOS应用,通过自动记忆语料库和检索增强生成实现近无限上下文窗口,在移动设备上提供可靠的上下文感知心理辅导。
2026-05-23 cs.AI cs.LG
Privacy Preserving Inference of Personalized Content for Out of Matrix Users
Institute for Clarity in Documentation(清晰文档研究所);Inria Paris-Rocquencourt(巴黎-rocquencourt研究所);Rajiv Gandhi University(拉贾夫·甘地大学);Tsinghua University(清华大学);Palmer Research Laboratories(帕勒姆研究实验室);Stanford University(斯坦福大学)
本文提出 DeepNaniNet,一种基于归纳图架构和 BERT 文本嵌入的隐私保护推荐框架,通过“内容篮子”用户表示与自编码器泛化策略解决冷启动问题,并在 CiteULike 和 AnimeULike 数据集上取得领先性能。
2025-08-12 cs.AI cs.IR cs.LG
Enhancing Virtual Agents through SLMs and Edge-Computing: An Exploratory Evaluation of Think and Memory Processes
University of Central Lancashire(中央兰开夏大学)
本文探索利用SLMs与边缘计算支持CEAA的“思考”“记忆”组件,在NVIDIA Jetson Orin NX上用Qwen2.5模型开发边缘虚拟智能体网关,经模拟实验验证其可高效运行部分CEAA过程,助力沉浸式虚拟世界具身智能体开发。
2026-08-14 cs.AI
Learning in Blocks: A Multi Agent Debate Assisted Personalized Adaptive Learning Framework for Language Learning
Indian Institute of Science, India(印度科学研究院);Talking Yak, India(Talking Yak);Indian Institute of Technology Patna, India(帕纳布印度理工学院)
本文提出基于块的学习框架,利用多智能体辩论技术评估语言能力,结合评分和推荐机制,通过间隔复习和掌握进度提升语言学习效果。
2026-07-14 cs.AI cs.CL cs.CY
The Memory Trust Gap: Reliance on Stale Evidence Across Model Scales in LLM Agents
PayPal AI(PayPal人工智能部门)
该研究针对Qwen3等模型,发现持久记忆智能体存在依赖能力的记忆信任缺口,过时信息会被过度信任,且缓解措施需适配模型能力,在多模型和数据集上验证了该现象。
2026-11-18 cs.AI cs.CL
Agent WARPP: Workflow Adherence via Runtime Parallel Personalization
针对 LLM 智能体难以遵循含工具调用和用户依赖的条件工作流问题,本文提出免训练的多智能体框架 WARPP,通过并行 Personalizer 动态剪枝分支并定制路径,在三领域五意图实验中提升参数保真度与工具准确率并降低 token 用量。
2025-07-23 cs.AI cs.MA
Large Language Models for User Interest Journeys
Google Inc.(谷歌公司)
本文提出利用大语言模型从用户历史活动中抽取并总结持久性“兴趣旅程”,通过少样本提示、提示微调和微调等方法,在工业平台上实现更深入、可解释且可控的用户理解。
2023-05-24 cs.AI cs.CL cs.IR