OpenSage: Self-programming Agent Generation Engine
OpenSage:自主编程代理生成引擎
专题命中 记忆与上下文管理 :agent(title,abstract);分类 cs.AI、cs.SE
AI总结 OpenSage是首个允许大语言模型自动创建代理的ADK,提供结构化内存支持和自动生成拓扑与工具集,通过实验验证其在代理开发中的优势。
AI 大模型
智能体、工具调用、规划、工作流、多智能体和自主任务执行。
OpenSage:自主编程代理生成引擎
专题命中 记忆与上下文管理 :agent(title,abstract);分类 cs.AI、cs.SE
AI总结 OpenSage是首个允许大语言模型自动创建代理的ADK,提供结构化内存支持和自动生成拓扑与工具集,通过实验验证其在代理开发中的优势。
ProgAgent:一种具有进度感知奖励的持续强化学习代理
机构 * University of California, San Diego(加州大学圣地亚哥分校) ; Texas A\&M University-Commerce(德克萨斯A&M大学-科摩斯)
专题命中 记忆与上下文管理 :agent(title,abstract);分类 cs.AI、cs.LG
AI总结 ProgAgent通过进度感知奖励机制,结合PPO与coreset回放和突触智能,有效解决持续学习中的遗忘问题,提升学习效率。
AMV-L:用于长运行LLM系统中尾延迟控制的生命周期管理代理内存
专题命中 记忆与上下文管理 :agent(title,abstract);分类 cs.AI、cs.LG
AI总结 AMV-L通过生命周期管理内存,有效降低LLM长运行系统的延迟和吞吐量,提升极端尾部性能。
Agentics 2.0:逻辑转导代数用于代理数据工作流
机构 * IBM(国际商业机器公司)
专题命中 记忆与上下文管理 :agentic(title,abstract);分类 cs.AI、cs.LG
AI总结 Agentics 2.0通过逻辑转导代数构建高质量、可解释且类型安全的代理数据工作流,展示了在数据驱动发现和NL到SQL语义解析中的先进性能。
Comments 14 pages, 4 figures
持续学习代理中的表示稳定性
机构 * AI/ML Computational Science Associate Manager(人工智能/机器学习计算科学助理经理)
专题命中 记忆与上下文管理 :agent(title,abstract);分类 cs.AI、cs.LG
AI总结 本文提出一个最小持续学习代理,通过状态向量的动态变化研究表示稳定性,展示在无显式正则化等情况下,系统能实现稳定性与可塑性的平衡。
Comments 8 pages, 1 figure
MIRA: 集成记忆的强化学习智能体与有限LLM指导
机构 * University of Southern California(南加州大学) ; Carnegie Mellon University(卡内基梅隆大学)
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)
RoboGene: 通过多样性驱动的代理框架提升VLA预训练以生成现实任务
机构 * Beijing Innovation Center of Humanoid Robotics(北京人形机器人创新中心) ; The School of Advanced Manufacturing and Robotics, Peking University(北京大学先进制造与机器人学院) ; Beijing Institute of Technology(北京理工大学) ; The School of Mechanical Engineering and Automation, Beihang University(北航机械工程与自动化学院) ; State Key Laboratory of Multimedia Information Processing, School of Computer Science, Peking University(北京大学多媒体信息处理国家重点实验室)
专题命中 记忆与上下文管理 :agentic(title,abstract);分类 cs.AI、cs.LG
AI总结 RoboGene通过多样性驱动的代理框架生成多样化、物理合理的机器人操作任务,提升VLA预训练效果。
通过保守代理进行具有随机延迟的环境强化学习
机构 * Department of Convergence IT Engineering, Pohang University of Science and Technology(融合信息技术工程系,POSTECH) ; Department of Electrical Engineering, Pohang University of Science and Technology(电气工程系,POSTECH)
专题命中 记忆与上下文管理 :agent(title,abstract);分类 cs.AI、cs.LG
AI总结 本研究提出保守代理,通过将随机延迟环境转换为等效恒定延迟环境,提升连续控制任务中的渐近性能和样本效率。
Mem2ActBench: 一个评估面向任务的自主代理长期记忆利用的基准
机构 * Institute of Information Engineering, Chinese Academy of Sciences(中国科学院信息工程研究所) ; University of Chinese Academy of Sciences(中国科学院大学)
专题命中 记忆与上下文管理 :autonomous agent(title);tool-use(abstract);分类 cs.AI、cs.CL
AI总结 Mem2ActBench是一个评估自主代理利用长期记忆执行任务能力的基准,通过合成工具使用任务验证记忆应用的有效性。
基于跨代理语义注意力和深度残差合成的混合代理增强
机构 * Meituan LongCat Interaction Team(美团LongCat交互团队)
专题命中 记忆与上下文管理 :agent(title,abstract);分类 cs.AI、cs.CL
AI总结 Attention-MoA通过跨代理语义注意力和深度残差合成,提升混合代理系统的性能,优于现有基线。
OS-Symphony: 一个用于鲁棒且通用计算机使用代理的综合框架
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)
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
异质主体宏观经济学的结构强化学习
机构 * University of Zurich and SFI(苏黎世大学和SFI) ; Peking University, School of Computer Science and BIGAI(北京大学计算机学院和BIGAI) ; UC Berkeley(加州大学伯克利分校) ; London School of Economics(伦敦经济学院)
专题命中 记忆与上下文管理 :agent(title,abstract);分类 cs.AI、cs.LG
AI总结 本文提出结构强化学习方法,用于高效求解异质主体宏观经济学模型,克服传统方法限制,实现快速全局求解。
机构 * Arizona State University(亚利桑那州立大学) ; Iowa State University(爱荷华州立大学)
专题命中 记忆与上下文管理 :agent(title,abstract);分类 cs.AI、cs.CL
Comments ArXiv version; Affiliations: Arizona State University (Lin, Zhang, Thakkar, Sun, Cao) and Iowa State University (Zheng)
机构 * School of Computer Science and Engineering, Northeastern University(计算机科学与工程学院,东北大学) ; Mental Health Education Center, Northeastern University(心理健康教育中心,东北大学) ; School of Sociology and Psychology, Central University of Finance and Economics(社会学与心理学学院,中央财经大学) ; School of Psychology, Northeast Normal University(心理学学院,东北师范大学)
专题命中 记忆与上下文管理 :agent(title,abstract);分类 cs.AI、cs.CL
Journal ref Findings of the Association for Computational Linguistics: ACL 2025
机构 * Department of Electronic Engineering, BNRist, Tsinghua University(电子工程系、百度研究院、清华大学)
专题命中 记忆与上下文管理 :agent(title,abstract);分类 cs.AI、cs.CL
Comments EMNLP 2025
机构 * Gaoling School of Artificial Intelligence, Renmin University of China(中国人民大学人工智能学院)
专题命中 记忆与上下文管理 :agentic(title,abstract);分类 cs.AI、cs.CL
Comments Accepted by NeurIPS 2025
机构 * The University of Tokyo(东京大学)
专题命中 记忆与上下文管理 :agent(title,abstract);分类 cs.AI、cs.CL
Comments EMNLP 2025 Findings
机构 * Panasonic Connect Co., Ltd.(松下电器(株式会社)) ; Panasonic R&D Center(松下研发中心) ; National University of Singapore(新加坡国立大学)
专题命中 记忆与上下文管理 :planning(title,abstract);分类 cs.AI、cs.LG
机构 * Meta ; Stony Brook University(石溪大学) ; Harvard University(哈佛大学)
专题命中 记忆与上下文管理 :agentic(title,abstract);分类 cs.AI、cs.LG
Comments 11 pages, 6 figures
Journal ref AI Crossroads: Systems, Energy, and Applications Workshop of ACM SIGMETRICS 2025 Conference
机构 * Department of Computer Science Tennessee Tech University(计算机科学系塔恩西技术大学)
专题命中 记忆与上下文管理 :agentic(title);agent(abstract);分类 cs.AI、cs.CL
机构 * Capital One, AI Foundations(Capital One人工智能基础)
专题命中 记忆与上下文管理 :agentic(title,abstract);分类 cs.CL、cs.LG
Comments 19 pages, 12 figures
机构 * Indian Institute of Technology Bombay(印度理工学院班加罗尔分校) ; DYSL-AI, DRDO(DYSL-AI,国防研究与发展组织)
专题命中 记忆与上下文管理 :agentic(title,abstract);分类 cs.AI、cs.CL
专题命中 记忆与上下文管理 :AI agent(title,abstract);分类 cs.AI、cs.CL
专题命中 记忆与上下文管理 :agent(title,abstract);分类 cs.CL、cs.LG
Comments The 29th Pacific-Asia Conference on Knowledge Discovery and Data Mining (PAKDD2025)
专题命中 记忆与上下文管理 :agent(title,abstract);分类 cs.AI、cs.CL
Comments Accepted as a conference paper at ICLR 2025
Journal ref Published as a conference paper at ICLR 2025
专题命中 记忆与上下文管理 :agentic(title,abstract);分类 cs.AI、cs.LG
Comments 9 pages
专题命中 记忆与上下文管理 :agent(title);AI agent(abstract);分类 cs.AI、cs.CL
Comments 12 pages, 3 tables
专题命中 记忆与上下文管理 :agent(title,abstract);分类 cs.AI、cs.CL
专题命中 记忆与上下文管理 :AI agent(title,abstract);分类 cs.AI、cs.LG
Comments 11 pages, 4 figures
专题命中 记忆与上下文管理 :agent(title,abstract);分类 cs.AI、cs.CL
Comments 11 pages, 8 figures