AI Agent

Harnessing agent memory to build lifelong AI partners for materials scientists

利用智能体记忆构建面向材料科学家的终身AI合作伙伴

Siyu Liu, Bo Hu, Beilin Ye, He Cao, David J. Srolovitz, Tongqi Wen

机构 * The University of Hong Kong（香港大学） ； Materials Innovation Institute for Life Sciences and Energy (MILES), HKU-SIRI（香港大学-深圳国际研究院生命科学与能源材料创新研究院） ； International Digital Economy Academy (IDEA)（国际数字经济学院） 纠错

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

AI总结 该研究提出一种自进化记忆框架，可跨模型迁移材料研究经验，使GPT-5.2任务成功率翻倍，减少重复错误，降低材料模拟工作流程的追踪负担与工具调用次数。

Comments 21 pages, 7 figures

Beyond Memory: A Transactional Continuity Kernel for Long-Lived AI Agents

超越记忆：面向长生命周期智能体的事务连续性内核

Jun He, Deying Yu

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

AI总结 针对长生命周期AI智能体的状态治理风险，提出连续性内核（CK）激活合约，通过解耦候选评估与状态激活，验证协议在大规模状态空间上无不变量违反。

Comments 9 pages, 6-page appendix, 15 tables

Towards a Formal Definition of Agent Memory: Basis, Span, Optimality, and the Sequential Memory Problem

迈向智能体记忆的形式化定义：基础、跨度、最优性与序列记忆问题

Hongyao Tang

机构 * Tianjin University（天津大学） 纠错

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

AI总结 本文提出智能体记忆的形式化定义，定义最优记忆为容量受限的期望覆盖最大化器，实例化于《奥德赛》并将现有系统纳入框架，使记忆质量可度量。

memorywire: A Vendor-Neutral Wire Format for Agent Memory Operations

AMP：一种用于智能体内存操作的供应商中立线格式

Thamilvendhan Munirathinam

机构 * Independent Researcher（独立研究者） 纠错

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

AI总结 提出一种基于JSON-Schema 2020-12的供应商中立线格式memorywire，支持五种内存操作和四种内存类型，通过参考实现和基准测试验证其性能与兼容性。

Comments 18 pages, 1 figure, 6 tables. v4: PurgeBench is a companion benchmark by the same author (previously called "external"), plus a threats-to-validity note; no results changed. v3 added the memory-poison recovery evaluation and recover tool. Code: github.com/mthamil107/memorywire

Total Recall at What Cost? Benchmarking the Serving Cost of Agentic Memory Systems

全量召回的代价是什么？智能体记忆系统的服务成本基准测试

Natchanon Pollertlam, Witchayut Kornsuwannawit

机构 * Bricks Technology（布里克科技） 纠错

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

AI总结 本研究基准测试 Mem0 等三种智能体记忆系统的服务成本，对比固定窗口与全量重发策略，发现其成本受内部行为驱动，且无系统同时在成本与准确率上占优。

Comments 11 pages, 2 figures, 8 tables

Credo: Declarative Control of LLM Pipelines via Beliefs and Policies

Credo：通过信念和策略实现LLM流水线的声明式控制

Duo Lu, Andrew Crotty, Uğur Çetintemel

机构 * Brown University（布朗大学） ； Northwestern University（西北大学） 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Credo，通过声明式策略和信念管理LLM流水线的决策，实现可适应、可审计和可组合的执行。

Comments VLDB 2026 (Demo)

Self-evolving network verifiers

自演进网络验证器

Ioannis Protogeros, Tibor Schneider, Laurent Vanbever

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

AI总结 该研究提出一种自动演进的网络验证器，通过编码智能体与可信预言机的反例引导循环，让基于SMT的验证器自主学习新网络功能，解决手动维护模型的难题。

Comments 8 pages, 5 figures

EvoGraph-Mem: Failure-Aware Editable Graph Memory for Long-Term Language Agents

EvoGraph-Mem：面向长期语言智能体的故障感知可编辑图记忆

Yuxi Qian, Yuxiang Ren

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

AI总结 本文针对长期语言智能体的记忆污染问题，提出故障感知可编辑图记忆框架，通过见解节点跟踪与图级编辑优化记忆，实验显示其性能优于现有记忆增强智能体基线。

Comments 10 pages, 3 figures

When Agents Talk: Honeytokens under Shared Memory

当智能体对话时：共享内存下的蜜罐

Joshua S. Gans

专题命中 记忆与上下文管理 ：AI agent(abstract)

AI总结 该研究通过2026年网络能力评估案例，分析共享内存下蜜罐的安全缺陷，提出将令牌身份存于私有引用监视器等架构应对方案，指出蜜罐仍需单独安全边界。

Comments artificial intelligence, cybersecurity, honeytokens, defensive deception, shared memory, intrusion detection