AI Agent

Automata from Agent Traces: Failure and Next-Step Prediction

基于智能体轨迹的自动机：失败与下一步预测

Seonglae Cho, Franklin Cardenoso Fernandez, Umar Mohammed, Zekun Wu, Kleyton Da Costa, Ilham Wicaksono, Adriano Koshiyama

机构 * Holistic AI（整体人工智能公司） ； PUC-Rio（里约热内卢天主教大学） ； University College London（伦敦大学学院） 纠错

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

AI总结 本研究提出将LLM智能体的轨迹语料库压缩为有限状态机（FSM），该模型在12个公开数据集上表现紧凑、准确且构建快速，可同时提升下一步预测与失败预测性能，为安全监控提供模型无关的结构基元。

ADE: Agentic Data Evolution Framework for Human-Centered Objectives

ADE：面向以人为中心目标的智能体数据演化框架

Yang Yu, Yilin Jiang, Zexuan Fei, Yiming Luo, Xingkai Song, Kaiyi Huang, Aimin Zhou, Xin Lin, Fei Tan

机构 * East China Normal University（华东师范大学） ； The Hong Kong University of Science and Technology (Guangzhou)（香港科技大学（广州）） ； Shanghai Innovation Institute（上海创新研究院） 纠错

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

AI总结 针对大语言模型与以人为中心目标对齐的难题，提出以数据为中心的ADE框架，通过OVS流程与稳态准入机制提升数据质量，在多基准及不同场景下均实现性能提升。

Comments accepted by EMNLP 2026

Recursive Experiential-Working Memory Evolution for Long-Horizon Agent Harnesses

面向长 horizon 智能体利用的递归经验-工作记忆演化

Zhaochen Yu, Yingcheng Wu, Zhenfei Yin, Kaiyuan Chen, Zhe Zhao, Mengdi Wang, Shuicheng Yan, Ling Yang

机构 * Princeton University（普林斯顿大学） ； Stanford University（斯坦福大学） ； University of Oxford（牛津大学） 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 针对长 horizon 智能体的递归自我改进难题，提出 Recuris 架构，通过递归记忆演化提升任务成功率，在多个基准和模型上实现显著性能提升，为 RSI 提供可扩展基础。

Comments Code: this https URL (https://github.com/Gen-Verse/Recuris)

SuperLocalMemory 4.0: The Governed Memory Operating System for AI Agents

SuperLocalMemory 4.0：面向AI智能体的受管控内存操作系统

Varun Pratap Bhardwaj, Garima Singh, Arun Pratap Bhardwaj

机构 * Qualixar（奎利克萨） 纠错

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

AI总结 本文提出SuperLocalMemory 4.0，一款面向AI智能体的受管控本地优先内存操作系统，整合多类型检索与管控功能，经测试其可靠性达标，为AI智能体提供持久化内存解决方案。

Comments 54 pages, 15 figures, 8 tables. Substantially revised: retracts two claims from v1 and adds two controlled experiments. Code: this https URL (https://github.com/qualixar/superlocalmemory) Zenodo DOI: https://doi.org/10.5281/zenodo.21853302. Code: this https URL (https://github.com/qualixar/superlocalmemory/)

MemMark: State-Evolution Attribution Watermarking for Agent Long-Term Memory Systems

MemMark: 面向智能体长期记忆系统的状态演化归属水印

Haobo Zhang, Xutao Mao, Guangyuan Dong, Ziwei Li, Xuanbo Su, Kaijie Chen, Jing Yang, Zheng Lin

专题命中 记忆与上下文管理 ：agent(title,abstract)

AI总结 提出MemMark水印方法，通过嵌入所有者控制的信号到潜在记忆写入决策中，实现无需日志、可见输出或可信元数据的快照归属，并在多个基准上保持记忆效用。

Comments Accepted to findings of EMNLP 2026

When "Must" Becomes "Maybe": Constraint Weakening in LLM Agent Workflows

当“必须”变为“可能”：LLM智能体工作流中的约束弱化

Yiheng Sun, Huifei Wang, Yancheng Zhu, Zhenyu Li, Zebin Zhao, Yifan Yuan

机构 * Shenzhen University（深圳大学） 纠错

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LLM智能体工作流中交接转换弱化状态约束的问题，通过1296个受控合成场景实验，发现常规交接压缩会导致高失活和禁止动作率，恢复全部状态字段可解决该问题。

Comments 21 pages, 4 figures

PinSieve: Production Selective VLM Serving and a Governed Memory Flywheel for Enterprise Content-Quality Triage

PinSieve：面向企业内容质量分类的生产级选择性VLM服务及受控内存飞轮

Chuqing Gao, Yuanfang Song, Jonathan Zhang, Yifan Wu, Vishwakarma Singh, Qinglong Zeng, Andrey Gusev

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

AI总结 本文提出PinSieve，即面向企业内容质量分类的选择性VLM服务智能体，结合受控内存飞轮维护机制，提升审核效率、降低成本并改善信号交付，具有任务可迁移性。

Comments Accepted at the KDD 2026 workshop "Enterprise AI Agents: From Prototypes to Production."

Equilibrium in closed constant-function market maker economies

封闭式常函数做市商经济中的均衡

Muqiao Huang, Ruodu Wang, Yiyun Wang

专题命中 记忆与上下文管理 ：agent(abstract)

AI总结 该研究针对含两资产两交易者的无费用封闭式CFMM经济，推导了单边均衡的帕累托最优性、代表性代理人存在条件，证明交易可收敛至帕累托最优均衡，并给出首轮交易先动优势的相关条件。

Single-shot online sequence classification with unbounded quantum memory advantage

具有无界量子记忆优势的单次在线序列分类

Keith K. Ng, Haochen Jay Li, Mile Gu, Jayne Thompson

专题命中 记忆与上下文管理 ：agent(abstract)

AI总结 本文针对在线多分类序列分类问题，证明精确经典智能体需无界记忆，而量子智能体仅需有界记忆即可解决所有任务，且量子方案是记忆最小化的，确立了二者的无界记忆成本分离

Comments 6 page main body, 22 page appendix and 5 figures

What Makes an Initial Reaction Ready for Discussion?: Multi-Persona AI Support for Stance Reflection and Writing

是什么让初始反应适合讨论？：用于立场反思与写作的多角色AI支持

Sky Shih-Kai Hong, Mu-Tien Kuo, Wei-Ji Chen, Dennis Wang

专题命中 记忆与上下文管理 ：workflow(abstract)

AI总结 本研究提出多角色AI工具StanceLab，通过对比三角色模式与独立LLM模式的试点，明确了设计需求并规划了未来工作流，助力用户准备讨论立场。

Comments 5 pages, 3 figures, 2 tables. Accepted to TAICHI 2026 ( this https URL (https://taichi2026.taiwanchi.org/program) )