AI Agent

Intrinsic Memory Agents: Heterogeneous Multi-Agent LLM Systems through Structured Contextual Memory

内在记忆代理：通过结构化上下文记忆实现异构多代理LLM系统

Sizhe Yuen, Francisco Gomez Medina, Ting Su, Yali Du, Adam J. Sobey

机构 * The Alan Turing Institute（艾伦·图灵研究所） ； King’s College London（伦敦大学国王学院） ； University of Southampton（南安普顿大学） 纠错

专题命中 记忆与上下文管理 ：agent(title,abstract)；multi-agent(title,abstract)；planning(abstract)；agentic(abstract)

AI总结 本文提出内在记忆代理，通过结构化上下文记忆提升多代理LLM系统在复杂任务中的表现，展现更高的设计质量和一致性。

TALM: Dynamic Tree-Structured Multi-Agent Framework with Long-Term Memory for Scalable Code Generation

TALM：具有长期记忆的动态树结构多智能体框架用于可扩展的代码生成

Ming-Tung Shen, Yuh-Jzer Joung

专题命中 记忆与上下文管理 ：agent(title,abstract)；multi-agent(title,abstract)；agentic(abstract)；分类 cs.SE

AI总结 TALM通过动态树结构多智能体框架结合长期记忆机制，提升复杂代码生成任务中的推理性能和令牌效率。

Amory: Building Coherent Narrative-Driven Agent Memory through Agentic Reasoning

Amory：通过代理推理构建连贯的叙事驱动代理记忆

Yue Zhou, Xiaobo Guo, Belhassen Bayar, Srinivasan H. Sengamedu

机构 * University of Illinois Chicago（伊利诺伊大学芝加哥分校） ； Amazon（亚马逊） 纠错

专题命中 记忆与上下文管理 ：agentic(title,abstract)；agent(title)；分类 cs.AI、cs.CL

AI总结 Amory通过增强代理推理构建连贯的叙事驱动记忆，提升长期对话代理的推理性能与响应效率。

OS-Symphony: A Holistic Framework for Robust and Generalist Computer-Using Agent

OS-Symphony: 一个用于鲁棒且通用计算机使用代理的综合框架

Bowen Yang, Kaiming Jin, Zhenyu Wu, Zhaoyang Liu, Qiushi Sun, Zehao Li, JingJing Xie, Zhoumianze Liu, Fangzhi Xu, Kanzhi Cheng, Qingyun Li, Yian Wang, Yu Qiao, Zun Wang, Zichen Ding

机构 * University of Science and Technology of China（中国科学技术大学） ； Shanghai AI Laboratory（上海人工智能实验室） ； National University of Singapore（新加坡国立大学） ； The Hong Kong University of Science and Technology（香港科学与技术大学） ； The University of Hong Kong（香港大学） ； CUHK MMLab（香港中文大学MMLab） ； Xi’an Jiaotong University（西安交通大学） ； Nanjing University（南京大学） ； Harbin Institute of Technology（哈尔滨工业大学） 纠错

专题命中 记忆与上下文管理 ：agent(title,abstract)；分类 cs.AI、cs.CL

AI总结 OS-Symphony通过反思记忆代理和多功能工具代理，提升计算机使用代理在长周期任务和新领域中的鲁棒性和泛化能力。

Comments 31 pages, 11 figures, 12 tables

Characterizing Agent-Based Model Dynamics via $ε$-Machines and Kolmogorov-Style Complexity

通过ε机和柯尔莫戈洛夫式复杂性表征基于代理模型的动力学

Roberto Garrone

专题命中 记忆与上下文管理 ：agent(title,abstract)

AI总结 通过ε机和柯尔莫戈洛夫复杂性分析基于代理模型的动力学，揭示预测信息分布及系统层面上的涌现特性。

Comments 33 pages, methodological preprint

Learning How to Remember: A Meta-Cognitive Management Method for Structured and Transferable Agent Memory

学习如何记忆：一种用于结构化和可迁移智能体记忆的元认知管理方法

Sirui Liang, Pengfei Cao, Jian Zhao, Wenhao Teng, Xiangwen Liao, Jun Zhao, Kang Liu

机构 * Institute of Automation, CAS（中国科学院自动化研究所） ； University of Chinese Academy of Sciences（中国科学院大学） ； Zhongguancun Academy（中关村学院） ； Zhongguancun Institute of Artificial Intelligence（中关村人工智能研究所） ； Department of Gastrointestinal Surgery, Fujian Provincial Cancer Hospital（福建省癌症医院胃肠外科） ； College of Computer and Data Science, Fuzhou University（福州大学计算机与数据科学学院） 纠错

专题命中 记忆与上下文管理 ：agent(title)；分类 cs.AI

AI总结 本文提出MCMA方法，通过学习记忆抽象技能提升智能体在长期任务中的记忆管理和泛化能力。

RealMem: Benchmarking LLMs in Real-World Memory-Driven Interaction

RealMem: 在真实世界中评估大语言模型的内存驱动交互

Haonan Bian, Zhiyuan Yao, Sen Hu, Zishan Xu, Shaolei Zhang, Yifu Guo, Ziliang Yang, Xueran Han, Huacan Wang, Ronghao Chen

机构 * Xidian University（西安电子科技大学） ； Zhejiang University（浙江大学） ； Peking University（北京大学） ； Shanghai Jiao Tong University（上海交通大学） ； Renmin University of China（中国人民大学） ； Sun Yat-sen University（中山大学） ； University of the Chinese Academy of Sciences（中国科学院大学） 纠错

专题命中 记忆与上下文管理 ：agent(abstract)；multi-agent(abstract)；分类 cs.AI、cs.CL

AI总结 RealMem是一个基于真实项目场景的基准，评估大语言模型在长期项目导向交互中的记忆管理能力。

Active Context Compression: Autonomous Memory Management in LLM Agents

主动上下文压缩：LLM代理中的自主内存管理

Nikhil Verma

机构 * Independent Researcher（独立研究者） 纠错

专题命中 记忆与上下文管理 ：agent(abstract)；agentic(abstract)；分类 cs.AI

AI总结 本文提出Focus代理，通过自主压缩上下文提升LLM在长周期任务中的效率与准确性。

Comments 8 pages, 2 figures, 2 tables. IEEE conference format

MemTrust: A Zero-Trust Architecture for Unified AI Memory System

MemTrust：面向统一AI内存系统的零信任架构

Xing Zhou, Dmitrii Ustiugov, Haoxin Shang, Kisson Lin

机构 * Independent Researcher（独立研究者） ； Supermem AI Inc.（Supermem AI公司） 纠错

专题命中 记忆与上下文管理 ：agent(abstract)；AI agent(abstract)；分类 cs.AI

AI总结 MemTrust提出了一种五层零信任架构，旨在实现AI内存系统的本地等效安全性和高效协作能力，通过TEE保护和跨应用共享协议提升系统可信度。

Comments 18 pages, 5 figures

LLMs Can't Play Hangman: On the Necessity of a Private Working Memory for Language Agents

LLMs无法玩井字游戏：关于语言代理所需私人工作记忆的必要性

Davide Baldelli, Ali Parviz, Amal Zouaq, Sarath Chandar

机构 * Mila – Quebec AI Institute（魁北克人工智能研究所） ； Polytechnique Montréal（蒙特利尔大学） ； University of California, San Diego（加州大学圣地亚哥分校） ； LAMA-WeST Lab（LAMA-WeST实验室） ； Chandar Research Lab（Chandar研究实验室） 纠错

专题命中 记忆与上下文管理 ：agent(abstract)；autonomous agent(abstract)；分类 cs.CL

AI总结 本文提出私人状态交互任务（PSITs）并证明标准LLMs无法在交互任务中保持秘密和一致性，提出包含显式私人工作记忆的架构以恢复一致性。

Online Markov Decision Processes with Terminal Law Constraints

在线马尔可夫决策过程与终端律约束

Bianca Marin Moreno, Margaux Brégère, Pierre Gaillard, Nadia Oudjane

专题命中 记忆与上下文管理 ：agent(abstract)；multi-agent(abstract)

AI总结 本文提出无重置的周期性框架，旨在通过周期性策略在动态未知的在线场景中实现非渐近保证的最优学习。

Optimal Learning Rate Schedule for Balancing Effort and Performance

平衡努力与性能的最佳学习率调度

Valentina Njaradi, Rodrigo Carrasco-Davis, Peter E. Latham, Andrew Saxe

机构 * Gatsby Computational Neuroscience Unit University College London（Gatsby 计算神经科学单元大学学院伦敦） ； Princeton Neuroscience Institute（普林斯顿神经科学研究所） ； Sainsbury Wellcome Centre University College London（萨金斯韦尔科中心大学学院伦敦） 纠错

专题命中 记忆与上下文管理 ：agent(abstract)；分类 cs.LG

AI总结 本文提出了一种规范性框架，通过最优控制理论推导出最优学习率调度，结合生物合理机制解释学习速度控制与自我调节学习的关系。

CloneMem: Benchmarking Long-Term Memory for AI Clones

CloneMem：用于AI克隆的长期记忆基准测试

Sen Hu, Zhiyu Zhang, Yuxiang Wei, Xueran Han, Zhenheng Tang, Huacan Wang, Ronghao Chen

机构 * Peking University（北京大学） ； UC Davis（加州大学戴维斯分校） ； Georgia Tech（佐治亚理工学院） ； MBZUAI（穆桑人工智能研究所） ； HKUST（香港科技大学） ； UCAS（中国科学技术大学） 纠错

专题命中 记忆与上下文管理 ：agent(abstract)；分类 cs.AI

AI总结 CloneMem是一个用于评估AI克隆长期记忆能力的基准，通过非对话数字痕迹数据，评估代理对个人状态演变的跟踪能力。