AI Agent

Exploring The Impact Of Proactive Generative AI Agent Roles In Time-Sensitive Collaborative Problem-Solving Tasks

探索主动生成式AI代理在时间敏感的协作问题解决任务中的影响

Anirban Mukhopadhyay, Kevin Salubre, Hifza Javed, Shashank Mehrotra, Kumar Akash

专题命中 记忆与上下文管理 ：agent(title,abstract)；AI agent(title,abstract)

AI总结 本研究探讨了主动生成式AI代理在时间敏感协作问题解决任务中的影响，发现同伴代理在提供提示和记忆支持时有帮助，但也可能干扰流畅性并增加工作量，而引导代理则提供轻量支架但影响有限。

Comments Published in Proceedings of the 2026 CHI Conference on Human Factors in Computing Systems (CHI'26)

CMind: An AI Agent for Localizing C Memory Bugs

CMind：一种用于定位C内存错误的人工智能代理

Chia-Yi Su, Collin McMillan

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

AI总结 CMind通过模拟人类程序员行为，利用大语言模型和引导决策方法，定位C程序中的内存错误。

Comments 4 pages, 2 figures. To be published in 34th IEEE/ACM International Conference on Program Comprehension (ICPC 2026)

MIRA: Memory-Integrated Reinforcement Learning Agent with Limited LLM Guidance

MIRA: 集成记忆的强化学习智能体与有限LLM指导

Narjes Nourzad, Carlee Joe-Wong

机构 * University of Southern California（南加州大学） ； Carnegie Mellon University（卡内基梅隆大学） 纠错

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

AI总结 MIRA通过集成记忆图减少对LLM的依赖，提升稀疏奖励环境中的强化学习性能。

Comments International Conference on Learning Representations (ICLR'26)

El Agente Sólido: A New Age(nt) for Solid State Simulations

固态代理：固态模拟的新时代

Sai Govind Hari Kumar, Yunheng Zou, Andrew Wang, Jesús Valdés-Hernández, Tsz Wai Ko, Nathan Yue, Olivia Leng, Hanyong Xu, Chris Crebolder, Alán Aspuru-Guzik, Varinia Bernales

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

AI总结 El Agente Sólido是一种基于多代理框架的自动化固态量子化学模拟工具，结合密度泛函理论与机器学习势能，提升材料发现的效率和可重复性。

Comments 42 pages, 31 figures, 18 tables

SARAH: Spatially Aware Real-time Agentic Humans

SARAH：具有空间意识的实时代理人类

Evonne Ng, Siwei Zhang, Zhang Chen, Michael Zollhoefer, Alexander Richard

机构 * Meta Reality Labs（Meta现实实验室） 纠错

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

AI总结 SARAH提出了一种实时、完全因果的方法，实现具有空间意识的对话运动，通过结合因果变换器VAE和流匹配模型，在VR中实现自然的人机交互。

Comments Project page: https://evonneng.github.io/sarah/

Epistemic Traps: Rational Misalignment Driven by Model Misspecification

知识陷阱：由模型规格不准确驱动的理性偏差

Xingcheng Xu, Jingjing Qu, Qiaosheng Zhang, Chaochao Lu, Yanqing Yang, Na Zou, Xia Hu

机构 * Shanghai Artificial Intelligence Laboratory（上海人工智能实验室） ； ShanghaiTech University（上海科技大学） 纠错

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

AI总结 本文提出主观模型工程，通过设计代理的内部信念结构来实现稳健对齐，揭示安全由认知先验决定而非奖励大小连续函数。

Memory-Based Advantage Shaping for LLM-Guided Reinforcement Learning

基于记忆的优势塑造用于LLM引导的强化学习

Narjes Nourzad, Carlee Joe-Wong

机构 * Carnegie Mellon University（卡内基梅隆大学） 纠错

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

AI总结 本文提出一种基于记忆的优势塑造方法，通过构建记忆图来提升LLM引导强化学习的样本效率和学习速度，减少对连续LLM监督的依赖。

Comments Association for the Advancement of Artificial Intelligence (AAAI)

From Lossy to Verified: A Provenance-Aware Tiered Memory for Agents

从损失到验证：一种面向代理的分层内存

Qiming Zhu, Shunian Chen, Rui Yu, Zhehao Wu, Benyou Wang

机构 * School of Data Science, The Chinese University of Hong Kong, Shenzhen（数据科学学院，香港中文大学（深圳）） 纠错

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

AI总结 TierMem 提出了一种面向代理的分层内存框架，通过双层内存结构在推理时分配证据，以降低 token 消耗和延迟，提升准确率。

The Strategic Gap: How AI-Driven Timing and Complexity Shape Investor Trust in the Age of Digital Agents

战略缺口：人工智能驱动的时机与复杂性如何塑造数字代理时代投资者信任

Krishna Neupane

专题命中 记忆与上下文管理 ：agentic(abstract)

AI总结 本研究提出自主披露监管器，通过分析披露复杂性与文件提交不可预测性的交叉点，揭示公司利用模糊语言和不可预测时机减缓市场学习真相的速度，发现结构性战略缺口并提出向代理监管状态过渡的建议。

Individual and Collective Welfare in Risk Sharing with Many States

个体与集体福利在多状态风险分担中的研究

Federico Echenique, Farzad Pourbabaee

专题命中 记忆与上下文管理 ：agent(abstract)

AI总结 该研究探讨了在多状态环境下，风险分担中个体与集体福利的关系，发现当状态空间扩大时，相互可接受的分配概率呈指数下降，且需至少一方的先验集测度极小才能实现帕累托改进。