AI Agent

AID-Guard: Stateful Authorization for Delegated Agent Effects

AID-Guard：面向委托智能体效应的有状态授权机制

Yingzhe Tong, Leyu Dai, Songhui Guo

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

AI总结 AID-Guard是首个统一智能体授权生命周期控制的有状态协议，经多平台测试可阻止未授权效应，在保证安全性的同时可通过类型化前沿恢复部分效用。

Comments 18 pages, 8 figures, 13 tables. Preprint

When Retrieval Fails Before It Begins: Structurally Indirect Prerequisite Eviction as a Retention Failure in Agentic Memory

当检索尚未开始时检索就已失败：智能体记忆中作为保留失败的结构间接先决条件驱逐

Minkyu Song

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

AI总结 本文针对智能体记忆的检索前保留失败问题，提出结构间接先决条件驱逐的概念，评估DSGC规则显著提升全链保留率，并发布相关工具支持机制分析。

Comments Accepted at the ICML 2026 Workshop on Failure Modes of Agentic AI (FAGEN@ICML 2026). Non-archival. Code: this https URL (https://github.com/smkgenesis/dsgc)

ForeDreamer: A Self-Evolving Dual-Agent Memory Architecture for Future Event Prediction

ForeDreamer：用于未来事件预测的自进化双智能体记忆架构

Linhao Zhong, Zongze Du, Linyu Wu, Yu Bo, Hourong Li, Chenchen Jing, Hao Chen, Yuling Xi, Chunhua Shen

机构 * Zhejiang University（浙江大学） ； Ant Group（蚂蚁集团） ； National University of Singapore（新加坡国立大学） ； Zhejiang University of Technology（浙江工业大学） 纠错

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

AI总结 针对开放网络未来事件预测的不足，提出自进化双智能体框架ForeDreamer，分离事实与经验记忆，经Prophet Arena、FutureX实验验证其有效性

Comments accepted to EMNLP 2026 Findings

Nexus: Depth-Adaptive KV-Cache Splicing and Retrieval-Decoupled Tool Routing for Agentic LLMs on Unified Memory

Nexus：面向统一内存上智能体大语言模型的深度自适应KV缓存拼接与检索解耦工具路由

Mustafa Arslan

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

AI总结 Nexus针对MCP智能体LLM工具模式预填充主导TTFT的问题，通过检索解耦路由与预填充成本，结合深度自适应KV缓存拼接技术，实现了工具选择与参数生成的高效处理，提升了首token生成速度与上下文利用率。

Utility Under Attack: Agent Memory Poisoning and the Limits of Content Screening and Provenance Ranking

受攻击下的效用：智能体记忆投毒及内容筛选与来源排序的局限性

Arulnidhi Karunanidhi

专题命中 记忆与上下文管理 ：agent(title)；分类 cs.AI

AI总结 该研究针对智能体记忆投毒问题，测试了内容筛选和来源排序的防御效果，发现仅内容筛选无法抵御投毒，来源加权检索也存在局限，主张采用有限占用约束并发布了相关资源。

Graph Engineering in the Era of LLM Agents: From Individual Intelligence to System Intelligence

大语言模型智能体时代的图工程：从个体智能到系统智能

Yuyuan Feng, Zhishang Xiang, Chaobin Yang, Qichao Ma, Zerui Chen, Yujing Zhang, Ke Huang, Chuanjie Wu, Zhaoxu Liu, Yili Wang, Xin He, Jiapu Wang, Zijin Hong, Hao Chen, Yuanchen Bei, Kun Wang, Shengyuan Chen, Ningyu Zhang, Enyan Dai, Linhao Luo, Qingyi Pan, Qi Wang, Wenqi Fan, Guangjing Wang, Na Zou, Yangqiu Song, Xin Wang, Zechao Li, Xia Hu, Qing Li, Xiao Huang, Zhihong Zhang, Jinsong Su, Qinggang Zhang, Yi Chang

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

AI总结 该研究针对LLM智能体复杂任务的个体智能局限，提出图工程范式，通过构建动态图结构组织协调异构智能体，为系统智能提供统一基础。

MemWM: Memory-Augmented Text-Based World Model

MemWM：记忆增强的基于文本的世界模型

Yujun Wang, Tao Zhang, Jinhe Bi, Aniri, Wenxuan Ye, Boliang Liu, Sikuan Yan, Shuning Wang, Xuebing Zhou, Sören Pirk, Hinrich Schütze, Yunpu Ma

机构 * LMU Munich（慕尼黑大学） ； Munich Center for Machine Learning (MCML)（慕尼黑机器学习中心） ； Huawei Heisenberg Research Center（华为海森堡研究中心） ； Zhejiang University（浙江大学） ； Technical University of Munich (TUM)（慕尼黑工业大学） ； TU Berlin（柏林工业大学） ； Kiel University（基尔大学） 纠错

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

AI总结 该研究提出记忆增强的基于文本的世界模型MemWM，通过引入世界记忆解决世界模型的系统性预测错误，在ALFWorld等基准上提升智能体规划成功率与效率。

Comments Accepted to EMNLP 2026 (Main Conference)

GRASP: Gated Regression-Aware Skill Proposer for Self-Improving LLM Agents

GRASP: 门控回归感知技能提议器用于自我改进的LLM智能体

Johannes Moll, Jean-Philippe Corbeil, Jiazhen Pan, Martin Hadamitzky, Daniel Rueckert, Lisa Adams, Keno Bressem

机构 * Technical University of Munich and TUM University Hospital（慕尼黑技术大学及慕尼黑大学医院） ； Microsoft Healthcare & Life Sciences（微软医疗与生命科学） 纠错

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

AI总结 提出GRASP方法，通过门控回归感知技能库编辑，在硬回归预算下确保每次技能更新带来净改进，显著提升LLM智能体在结构化环境中的操作可靠性。

Comments Accepted at EMNLP 2026 (Main Conference). Code and data: this https URL (https://github.com/jomoll/GRASP)

STS: Efficient Sparse Attention with Speculative Token Sparsity

STS: 高效稀疏注意力与推测性标记稀疏性

Jiangnan Yu, Ceyu Xu, Yongji Wu, Yuan Xie

机构 * The Hong Kong University of Science and Technology（香港科技大学） ； UC Berkeley（加州大学伯克利分校） 纠错

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

AI总结 本文提出STS，一种无需模型再训练的稀疏注意力机制，通过利用较小的草稿模型识别出的重要标记来预测更大目标模型的重要标记，从而在大规模语言模型推理中实现高效的稀疏注意力计算，显著提升速度并保持准确性。

Comments 14 pages, 12 figures

Towards Faithful Simulation of Human Shopping Behavior

面向人类购物行为的忠实模拟

Jiakai Tang, Yan Mi, Jing Yu, Yang Zhang, See-Kiong Ng, Qi Cao, Fei Sun, Xu Chen, Wen Chen, Jian Wu, Han Zhu, Bo Zheng

专题命中 记忆与上下文管理 ：agent(abstract)

AI总结 本文针对现有用户购物行为模拟器的记忆与优化挑战，提出分层记忆的RecVerse智能体，结合轨迹级RL优化，发布USB数据集，在模拟性能上显著优于现有基线。

Message Order Selects Opposite Collective Opinions on Laplacian-Cospectral Networks

消息顺序在拉普拉斯谱网络上选择对立的集体意见

Ruiwu Niu, Xincheng Shu, Ying Zhao

专题命中 记忆与上下文管理 ：agent(abstract)

AI总结 该研究构建类量子状态的智能体网络模型，发现相同消息的传递顺序会使两个16节点拉普拉斯谱相同的网络收敛到对立共识，揭示消息顺序对集体意见选择的关键作用。