Lineage-Aware Memory Governance: A Derivation-Gated Framework for Privacy-Preserving Column-Level Access Control in Enterprise AI Agents
Independent Researcher (ORCID: 0009-0001-7716-1342)
针对企业AI智能体共享内存的隐私泄露与KPI逻辑冲突问题,提出基于派生谱系门控的AMU内存模式,以O(n)复杂度阻断越权派生结果,实验消除18.8-25.5%跨部门泄漏并保持高复用率。
2026-10-07 cs.AI cs.CL cs.CR
CAGE-1: Control, Assurance, and Governance Evaluation for Enterprise Agentic AI
Independent technical report(独立技术报告)
研究企业人工智能从实验转向运营工作流带来的评估问题,介绍CAGE-1评估框架,评估多方面内容,引入预绑定保证,用于判断企业代理是否可部署。
2026-07-07 cs.AI cs.CY cs.SE
Learning to Continually Learn via Meta-learning Agentic Memory Designs
University of British Columbia(不列颠哥伦比亚大学);Vector Institute(向量研究所);Canada CIFAR AI Chair(加拿大CIFAR人工智能主席)
本文提出ALMA框架,通过元学习自动设计记忆模块,使代理系统在多样化领域实现持续学习。
2026-02-08 cs.AI
Session Risk Memory (SRM): Temporal Authorization for Deterministic Pre-Execution Safety Gates
Independent Researcher(独立研究者);ILION Project(ILION项目)
本文提出SRM,一种轻量确定性模块,通过轨迹级授权扩展无状态执行门,以检测分布式攻击。实验显示SRM在检测率和准确率上优于传统方法,且具备低延迟。
2026-03-22 cs.AI cs.CR
A Reference Architecture for Integrating Agentic AI into Enterprise Software: Responsibilities, Interactions, and Variability
UNSW Sydney(新南威尔士大学悉尼分校);CSIRO(联邦科学与工业研究组织);CSIRO’s Data61(联邦科学与工业研究组织Data61研究院)
本文提出一种与技术无关的企业智能体AI集成参考架构,将相关能力组织为10项职责,通过实例化ESG智能体及映射独立架构验证了其适用性。
2026-10-14 cs.AI
Four-Axis Decision Alignment for Long-Horizon Enterprise AI Agents
Vasundra Srinivasan
本文提出四轴对齐框架,用于评估长周期企业AI代理的决策行为,涵盖事实精度、推理连贯性、合规重建和校准回避,通过实验揭示了决策对齐的重要性。
2026-04-21 cs.AI
Architecting Conversational Data Systems for Stateless LLM APIs: The Hydration Proxy Pattern
Google Cloud(谷歌云)
针对企业平台转向对话式推理接口时无状态LLM API带来的架构缺口,研究提出Hydration Proxy模式及上下文稳定指令,以平衡平台对话数据主权与KV缓存的权衡。
2026-09-03 cs.AI cs.SE
Optimizing Memory Placement using Evolutionary Graph Reinforcement Learning
Intel Labs(英特尔实验室);Intel Israel(英特尔以色列);Technion(以色列理工学院)
对于深度神经网络加速器来说,内存移动既消耗能量又会限制计算。因此,张量到存储层次结构的最佳映射对性能至关重要。随着神经网络复杂性的增加,需要自动化的内存映射来代替人工的启发式方法;然而,神经网络计算图的搜索空间以前非常大。我们介绍了进化图强化学习(EGRL),一种为大搜索空间设计的方法,它结合了图神经网络,强化学习和进化搜索。一组快速的、无状态的策略引导进化搜索以提高其样本效率。我们直接在英特尔NNP-I芯片上对我们的方法进行训练和验证,以进行推理。EGRL在BERT、ResNet-101和ResNet-50上的性能优于策略梯度、进化搜索和动态规划基线。我们还实现了28-78\%的速度相比,本机NNP-I编译器在所有三个工作负载。
2020-10-15 cs.AI cs.LG
The Chronos Vulnerability: A Taxonomy of Temporal Persistence and Memory-Based Deception in Agentic AI
研究人工智能中Chronos漏洞,形式化基于持久性攻击的威胁模型,指出传统端点内容过滤器不足,综合深度防御格局并分类新兴框架,应对智能体内存攻击等安全威胁。
2026-07-23 cs.AI cs.CR
From Code to Requirements: Agentic Reverse Engineering of Business Rules at Enterprise Scale
Cognizant(高知特)
本文提出一个七智能体协作框架,通过逆向工程企业软件自动生成业务需求文档,在九分钟内完成每项服务,成本降低超过98%。
2026-09-22 cs.AI cs.SE
Learned Enterprise Data Comprehension: Compression and Routing for Data Agents
本文提出潜在等价学习框架,通过身份分解和查询条件化路由,使数据代理在复杂企业数据环境中高效组织证据,在Data Agent Benchmark上以94.67%的Pass@1大幅超越基准。
2026-09-23 cs.AI
RAN Cortex: Memory-Augmented Intelligence for Context-Aware Decision-Making in AI-Native Networks
Author Name(作者名称)
针对 AI 原生 RAN 智能体无状态、难以利用历史经验的问题,本文提出兼容 O-RAN 的记忆增强架构 RAN Cortex,通过编码、向量记忆、语义检索和策略接口支持情境感知决策。
2025-05-06 cs.AI
Memory as Middleware for Self-Improving AI Agents
针对AI智能体跨会话失忆问题,提出将记忆作为可插拔中间件层,通过六个系统挑战构建参考实现ALTK-Evolve,实现自我改进。
2026-09-29 cs.AI cs.DC
Memoria: A Scalable Agentic Memory Framework for Personalized Conversational AI
BlackRock, Inc.(黑石公司)
Memoria通过结合动态摘要和加权知识图,为LLM提供持久记忆,实现对话连贯性和个性化,适用于需要适应性用户体验的行业应用。
2025-12-14 cs.AI cs.CL
PhotoCraft: Agentic Reasoning with Hierarchical Self-Evolving Memory for Deep Image Search
Pattern Recognition Center, WeChat AI, Tencent Inc.(微信AI模式识别中心,腾讯公司);Institute of Automation, Chinese Academy of Sciences(中国科学院自动化研究所);Zhongguancun Academy(中关村学院);Nanyang Technological University(南洋理工大学);Shanghai Jiao Tong University(上海交通大学)
提出PhotoCraft,一种无需训练的分层记忆系统,通过工作、情景和语义记忆增强多模态大语言模型,实现深度图像搜索中的多步推理和知识迁移,在DISBench上提升检索性能达18.5%。
2026-06-02 cs.AI cs.CL
MEMONDEMAND: A Memory Management System for Large-Scale Enterprise Data
Emory University(埃默里大学)
针对大规模异构企业知识库检索难题,提出含动态多级层级等机制的MEMONDEMAND系统,在EnterpriseRAG-Bench等数据集上优于现有最优方法,是高效可扩展的企业内存解决方案。
2026-10-16 cs.AI
Shared Organizational Memory for Enterprise Coding Agents: System Design and Deployment Snapshot
SAP SE(思爱普公司)
本文设计部署共享组织记忆系统,将经验捕获融入企业编码工作流,收集并整理任务相关经验,管控风险并供智能体检索,目前其效果仍在评估。
2026-08-04 cs.AI
MAPLE: A Sub-Agent Architecture for Memory, Learning, and Personalization in Agentic AI Systems
MAPLE通过分解记忆、学习和个性化为独立子代理,提升代理AI系统的个性化能力,实验显示在个性化得分和特征纳入率上有显著提升。
2026-02-03 cs.AI cs.CL cs.MA
Gradient Multi-Normalization for Stateless and Scalable LLM Training
Microsoft Research(微软研究院)
针对大语言模型训练中自适应优化器的内存开销问题,提出基于多范数归一化的无状态优化器框架,通过交替方案实现梯度归一化,所提优化器较SWAN降低计算成本,在10亿参数LLaMA预训练中较Adam加速3倍且内存需求更低,性能优于其他基线。
2025-02-10 cs.AI cs.LG
SWAN: SGD with Normalization and Whitening Enables Stateless LLM Training
Microsoft Research(微软研究院)
针对自适应优化器内存开销大的问题,提出无状态优化器SWAN,通过对SGD梯度做归一化和白化处理,在大语言模型训练中实现与Adam相当甚至更优的性能,同时大幅降低内存成本、提升训练速度。
2025-02-21 cs.AI cs.LG
Stateless Yet Not Forgetful: Implicit Memory as a Hidden Channel in LLMs
Microsoft Security Response Center (MSRC)(微软安全响应中心);ELLIS Institute Tübingen and MPI for Intelligent Systems(图宾根ELLIS研究所和智能系统研究所);Tübingen AI Center(图宾根人工智能中心)
研究提出隐式记忆机制,使LLM在无显式存储的情况下通过输出编码信息实现跨交互状态传递,展示其在时间炸弹等安全问题中的应用及影响。
2026-02-09 cs.AI cs.CR cs.LG
Organizational Memory for Agentic Business Process Execution
SAP Signavio(思爱普西格诺威)
研究LLM智能体执行商业流程面临的问题,提出需组织记忆,推导其要求,给出构建与使用架构,并在采购场景中验证其有效性。
2026-07-07 cs.AI cs.MA
Transformers are Stateless Differentiable Neural Computers
Department of Electrical and Computer Engineering(电气与计算机工程系);Worcester Polytechnic Institute(沃斯特理工学院)
本文证明因果Transformer层等同于无状态可微神经计算机(sDNC),并扩展到交叉注意力,为Transformer提供统一的记忆中心解释。
2026-02-27 cs.AI cs.CL cs.CV
Governance by Design: Architecting Agentic AI for Organizational Learning and Scalable Autonomy
ESSEC Business School(ESSEC商学院);Accenture Research(埃森哲研究)
本文探讨了智能体AI在组织学习和可扩展自主性中的设计与治理问题,通过案例研究展示了如何通过具体的架构和工作安排实现有效的治理,并总结了七条指导原则。
2026-04-17 cs.AI cs.CY cs.MA
Organize then Retrieve: Hierarchical Memory Navigation for Efficient Agents
Duke University(杜克大学);Snowflake AI Research(Snowflake AI研究)
提出HORMA框架,通过构建文件系统式的层次化记忆结构并利用强化学习训练的轻量级导航代理,实现高效检索,在长时任务中提升性能并降低令牌消耗。
2026-06-11 cs.AI cs.CL cs.LG
AkasicMEM: Governed Enterprise Memory for Agents
GraphAI
针对企业智能体记忆中的信息泄露问题,提出AkasicMEM,通过传递谱系、策略组合与重评估实现授权连续性,并基于AkasicDB统一存储执行。
2026-09-23 cs.AI cs.DB
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
Logic layer Prompt Control Injection (LPCI): A Novel Security Vulnerability Class in Agentic Systems
Qorvex Consulting(Qorvex咨询公司);Roshan Consulting(Roshan咨询公司);OWASP Top 10 for LLMs(OWASP顶级LLM列表);NIST GenAI PWG(NIST生成AI工作组);Deloitte Enterprise Risk | Internal Audit | Technology GRC(德勤企业风险管理|内部审计|技术治理与合规);Reykjavik University(雷克雅未克大学);Nokia, Technology Center, Ulm, Germany(诺基亚技术中心,德国乌尔姆)
本文提出逻辑层提示控制注入(LPCI),一种针对智能体系统的新型安全漏洞,通过记忆或工具输出嵌入隐蔽载荷,绕过过滤器并跨会话触发未授权行为。
2025-08-06 cs.AI cs.CR cs.LG
AGL-1: The Enterprise AI Governance Layer as a Control Plane for Trusted Enterprise Intelligence
Independent Researcher(独立研究员)
研究企业人工智能从实验走向运营面临的治理挑战,介绍AGL-1企业人工智能治理层这一参考模型,基于相关原则将治理问题从检索控制扩展到全执行路径治理,定义七个治理领域。
2026-07-07 cs.AI cs.CY cs.SE
Posterior Twins: Distributional Behavioral Simulation for Enterprise Decisions
Twinning Labs, Inc.(Twinning Labs公司)
提出后验孪生方法,通过记忆驱动的数字孪生将模拟行为表示为决策条件下的更新分布,在226例基准上评估模型,发现模态准确率与分布保真度揭示不同操作区域,TL-Twin Alpha实现最低Wasserstein-1距离(1.16)。
2026-06-16 cs.AI
Emotion-Attended Stateful Memory (EASM):The Architecture for Hyper-Personalization at Scale
divAIne Research(divAIne研究)
本文提出EASM架构,通过长期历史、情绪信号和推断意图动态构建用户特定对话上下文,实验表明其在记忆基础、计划清晰度和情感验证方面显著优于无状态基线。
2026-05-14 cs.AI cs.HC
TRUST-ESD: A Risk-Calibrated and Governance-Aware AI Framework for Enterprise Strategic Decision Support Under Uncertainty
School of Economics and Management, Xinyu University(新余学院经济与管理学院);College of Computer Science, Chongqing University(重庆大学计算机科学学院);School of Economics and Business Administration, Chongqing University(重庆大学经济与工商管理学院);School of Management, Xi’an Jiaotong University(西安交通大学管理学院);School of Law and Public Administration, China Three Gorges University(三峡大学法学与公共管理学院)
针对企业战略决策支持需求,TRUST-ESD框架通过多种方法评估策略,能平衡价值、可靠性、风险暴露和合规性。实验表明其相比基线提升了多项指标,消融和案例分析证实相关因素共同改善企业决策。
2026-07-23 cs.AI
Trained Persistent Memory for Frozen Encoder--Decoder LLMs: Six Architectural Methods
Inha University in Tashkent, Uzbekistan(乌兹别克斯坦塔什克ENT的Inha大学)
本文探讨了在冻结编码器-解码器语言模型中通过持久内存实现连续潜在空间的可行性,提出六种架构方法,通过训练适配器实现对话学习,验证了容量作为关键设计参数的重要性。
2026-03-17 cs.AI cs.LG
Quantum Sidecar Architectures for Hybrid AI Training and Inference: Stateful Protected Registers, Stateless Reset-and-Reprepare Circuits and Quantum Weight-State Outlook
Independent Researcher(独立研究者;BroadLink公司);BroadLink Co., Ltd.(杭州电子科技大学副教授);Associate Professor, Hangzhou Dianzi University
本文提出了一种用于未来混合AI训练和推理的量子Sidecar架构家族,通过状态保护寄存器和无状态重置和重新准备模式,为优化器侧采样、适配器或专家选择、检索、路由和推理路径提案提供有界信号生成器,并引入了量子权重状态Sidecar作为受限的量子表示。
2026-05-18 cs.AI quant-ph
SuperLocalMemory V3: Information-Geometric Foundations for Zero-LLM Enterprise Agent Memory
本文提出基于信息几何的零LLM企业代理记忆系统,通过信息几何度量、黎曼流形动力学和细胞sheaf模型,提升记忆检索与一致性,实验显示在LoCoMo基准上性能提升显著。
2026-03-15 cs.AI cs.IR cs.LG
Grounding Agent Memory: Environment-Probing Curation for Enterprise Agents
Microsoft Corporation(微软公司)
提出环境探测式策展,为智能体记忆策展提供只读世界工具,无需重训练即可提升CLBench通过率至73%并降低成本,优于现有基线。
2026-09-11 cs.AI cs.SE
From Signals to Structure: How Memory Architecture Drives Language Emergence in LLM Agents
Alberta Machine Intelligence Institute, University of Alberta(阿尔伯塔大学阿尔伯塔机器智能研究所);Network for Applied Technology(应用技术网络)
研究在Lewis信号游戏中,不同记忆架构对LLM代理语言涌现的影响,发现持久私人笔记本架构优于无状态架构,且信道容量过剩比瓶颈更有利。
2026-07-02 cs.AI cs.CL cs.IT
MemAgent: Learning to Manage Heterogeneous Memory Providers for LLM Agents
MemAgent将智能体记忆建模为路由问题,通过内容感知路由架构和训练数据合成流水线管理异构记忆提供者,在三个基准上平均准确率提升10.0%,优于所有单一记忆方法。
2026-09-29 cs.AI
Data Intelligence Agents: Interpreting, Modeling, and Querying Enterprise Data via Autonomous Coding Agents
C3 AI
提出Data Intelligence Agents (DIA)系统,由三个自主编码代理组成,通过执行、验证和修复工件来压缩数据集成工作流,在七个SQL基准测试中达到或超越最佳结果。
2026-09-01 cs.AI cs.DB cs.MA
PRISM: Prompt Reliability via Iterative Simulation and Monitoring for Enterprise Conversational AI
PRISM通过持续模拟和监控,将提示工程视为可靠性工程问题,提升企业对话式AI的可靠性,减少提示开发时间并修复生产中的回归问题。
2026-05-15 cs.AI
Agent Memory with Episodic Retrieval for Financial Decision-Making
University of British Columbia(不列颠哥伦比亚大学);University of Science and Technology of China(中国科学技术大学);Fudan University(复旦大学);Zhejiang University(浙江大学)
提出META,首个RAG式情景记忆增强多智能体交易框架,通过检索历史交易情景并自适应重加权信号,提升短期方向准确性与稳健性。
2026-09-25 cs.AI
FinAcumen: Financial Multimodal Reasoning via Self-Evolving Experience Memory Harness
Beijing University of Posts and Telecommunications(北京邮电大学);Queen Mary University of London(伦敦玛丽女王大学)
提出FinAcumen框架,通过选择性经验记忆机制增强工具增强型多模态推理,在四个金融基准上持续提升冻结的8B视觉语言模型性能。
2026-09-15 cs.AI
Context Engineering: From Prompts to Corporate Multi-Agent Architecture
本文提出上下文工程作为独立学科,旨在设计和管理AI代理决策的信息环境,通过五个质量标准和两个高层学科构建代理工程的成熟度模型,解决企业多智能体系统部署中的上下文和意图缺失问题。
2026-03-13 cs.AI cs.MA
Zep: A Temporal Knowledge Graph Architecture for Agent Memory
Zep AI
Zep 提出时间感知知识图谱架构,通过动态整合对话与业务数据,在记忆检索基准上超越 MemGPT,准确率提升达18.5%,延迟降低90%。
2025-01-20 cs.AI cs.CL cs.IR
Adaptive Workflow Intelligence: A Cognitive Architecture for Context-Driven Enterprise Automation
本文提出自适应工作流智能(AWI),一种基于感知-认知-行动-反思循环的认知架构,通过反思机制和混合推理增强企业自动化在动态环境下的适应性,实验表明其比静态方法恢复更快且保持政策合规。
2026-10-08 cs.AI cs.MA
EchoPath: Execution-Level Replayable Memory for GUI Agents
Johns Hopkins University(约翰霍普金斯大学);Amazon AGI(亚马逊AGI)
EchoPath将GUI智能体的验证轨迹转化为可重放的可调用记忆,通过图像目标重瞄准算法实现确定性重放,显著降低令牌成本与执行时间。
2026-09-16 cs.AI
The Retriever Should Remember: Experience-Amortized Reranking for Long-Term Agent Memory
针对长期语言模型智能体检索器不积累经验的问题,提出EARM框架,结合观测与估计评分重排序,提升答案准确率并降低LLM重排序推理开销。
2026-08-25 cs.AI
Memory for Autonomous LLM Agents:Mechanisms, Evaluation, and Emerging Frontiers
Hong Kong Research Institute of Technology(香港理工大学)
本文探讨了自主LLM代理中记忆的机制、评估及未来发展方向,分析了五种核心机制及评估挑战,强调记忆对代理适应性和应用的重要性。
2026-03-08 cs.AI
Memanto: Typed Semantic Memory with Information-Theoretic Retrieval for Long-Horizon Agents
Moorcheh
Memanto通过信息论检索引擎实现高效持久记忆,无需复杂知识图谱,提升长周期智能体性能,实现89.8%和87.1%的高准确率。
2026-04-23 cs.AI
Continuum Memory Architectures for Long-Horizon LLM Agents
Mode7 GK Tokyo, Japan(Mode7 GK东京)
连续记忆架构通过持久存储和动态更新机制,解决了长周期大语言模型智能体在记忆积累、修改和消歧方面的局限性,同时揭示了该架构在延迟、漂移和可解释性方面的挑战。
2026-01-14 cs.AI cs.IR
Reactive Transformer (RxT) -- Stateful Real-Time Processing for Event-Driven Reactive Language Models
针对传统Transformer无状态、长对话成本与延迟高的问题,提出事件驱动的Reactive Transformer (RxT)架构,通过固定大小短期记忆和生成-记忆更新解耦,将对话成本从二次降为线性,实现低延迟有状态长对话,实验验证其性能更优、延迟恒定。
2025-10-03 cs.AI cs.CL cs.LG
AgentArch: A Comprehensive Benchmark to Evaluate Agent Architectures in Enterprise
ServiceNow
AgentArch提出一个企业特定的基准,评估代理架构在复杂任务中的性能,揭示模型特定的架构偏好及性能瓶颈。
2026-01-06 cs.AI cs.CL cs.MA
BatchDAG: LLM-Planned Execution Graphs for Scalable Ad-Hoc Analysis Over Enterprise Data
研究针对企业数据跨实体分析问题,提出BatchDAG系统,大语言模型生成操作DAG,经确定性引擎评估。通过实体感知批处理优化,减少大语言模型调用。实验显示其质量高、溯源性好,能高效处理查询,是通用编排层替代手工工作流程。
2026-07-22 cs.AI
UI-CUBE: Enterprise-Grade Computer Use Agent Benchmarking Beyond Task Accuracy to Operational Reliability
UiPath Romania(UiPath罗马尼亚);UiPath UK(UiPath英国);UiPath France(UiPath法国)
UI-CUBE通过系统性测试揭示CUA在复杂流程中的性能断崖,表明内存管理等架构限制而非训练优化可解决
2025-11-21 cs.AI cs.SE