Speculate with Memory: Lossless Acceleration for LLM Agents
用记忆进行推测：大语言模型智能体的无损加速
专题命中 记忆与上下文管理 ：agent(abstract)；分类 cs.CL、cs.LG
AI总结 研究旨在加速大语言模型智能体，提出为推测器配备三个在线记忆系统，通过从智能体过去轨迹学习提升预测质量。经六个基准测试，记忆增强推测在动作和观察预测上有显著提升，且无损并能跨模型推广。
AI 大模型
AI Agent
智能体、工具调用、规划、工作流、多智能体和自主任务执行。
1. 记忆与上下文管理 427 篇
Auditing the Risk Claims of Distributional Reinforcement Learning
审核分布强化学习的风险声明
机构 * Hari Prasad
专题命中 记忆与上下文管理 ：agent(abstract)；分类 cs.AI、cs.LG
AI总结 研究分布强化学习智能体风险声明真实性，结合决策指标与统计工具审核，发现多数声明被驳斥，风险反映训练假象，阳性对照证实部分真实声明，训练和集成无法消除问题，重新校准仅否定声明，还记录审核陷阱。
Comments 25 pages, 8 figures, 3 tables (main text); includes supplementary material
Learning Residual Kinematic Corrections for Continuous Neural Decoding via Reinforcement Learning
通过强化学习学习连续神经解码的残余运动学校正
机构 * University of Bath（巴斯大学） ； University of Ulster（阿尔斯特大学） ； Bath Institute for the Augmented Human（巴斯增强人类研究所）
专题命中 记忆与上下文管理 ：agent(abstract)；分类 cs.AI、cs.LG
AI总结 研究针对基于EEG的BCI连续3D运动想象解码难题，提出CNN-LSTM-RL两阶段框架，用强化学习对解码器输出校正残余运动学误差，实验表明该框架有效提升解码性能，推动相关领域发展。
Semantic Pareto-DQN: A Multi-Objective Reinforcement Learning Framework for Financial Anomaly Detection
语义帕累托深度Q网络：一种用于金融异常检测的多目标强化学习框架
机构 * A3Data（A3数据公司）
专题命中 记忆与上下文管理 ：agent(abstract)；分类 cs.AI、cs.LG
AI总结 针对金融异常检测的类不平衡问题，提出语义帕累托深度Q网络框架，合成交易特征，优化向量奖励，映射帕累托前沿，经实验验证可打破零召回陷阱，提升少数类召回率，为金融异常发现提供新途径。
Comments BRACIS 2026 - 36th Brazilian Conference on Intelligent Systems
Provably Optimal Learning Algorithms for Assistance Games
辅助博弈的可证明最优学习算法
专题命中 记忆与上下文管理 ：agent(abstract)；分类 cs.AI、cs.LG
AI总结 研究辅助博弈在线变体中信息完备与不完备智能体交互优化奖励函数的问题，提出人类和助手的分散算法，实现(1 - 1/e)近似辅助遗憾率为O(T^(3/4))，证明更好因子难处理，还展示算法在伪分散设置下达O(T^(1/2))速率。
Narrative World Model: Narratology-Grounded Writer Memory for Long-Form Fiction
叙事世界模型：基于叙事学的长篇小说作者记忆
机构 * PocketFM（口袋FM）
专题命中 记忆与上下文管理 ：agent(abstract)；分类 cs.AI、cs.CL
AI总结 研究针对长篇小说作者记忆问题，提出叙事世界模型（NWM），结合叙事学时间状态图与查询条件混合检索，在多跳叙事学问答上显著优于基线，优势源于其独特表征，非提取方式。
Comments 23 pages, 4 figures; 9-page main text plus appendix. Preprint
Mask-based Predictive Representations for Reinforcement Learning
基于掩码的强化学习预测表示
机构 * Beijing Normal University（北京师范大学）
专题命中 记忆与上下文管理 ：agent(abstract)；分类 cs.AI、cs.LG
AI总结 针对视觉深度强化学习中高维图像输入问题，受自然语言处理等启发，提出基于掩码预测的自监督任务作辅助，结合transformer提升强化学习样本效率，在多控制基准测试中优于现有方法。
Comments 16 pages, 7 figures
PromptPET: Privacy-Utility Optimized Prompt Obfuscation
PromptPET：隐私-效用优化的提示混淆
机构 * University of California, Irvine（加州大学 Irvine 分校） ； Washington University in St. Louis（圣路易斯华盛顿大学）
专题命中 记忆与上下文管理 ：agent(abstract)；分类 cs.AI、cs.LG
AI总结 旨在通过用户端机制保护用户隐私，该机制转换用户提示中的敏感信息，在保护隐私和保留效用间权衡。考虑评估比较四种混淆动作，提出基于大语言模型的PROMPTPET，优于现有方法。
HaloGuard 1.0: An Open Weights Constitutional Classifier for Multilingual AI Safety
HaloGuard 1.0：一种用于多语言AI安全的开放权重宪法分类器
机构 * Astroware AI ； Karunya Institute of Technology and Sciences（卡鲁尼亚理工学院和科学学院）
专题命中 记忆与上下文管理 ：agentic(abstract)；分类 cs.CL、cs.LG
AI总结 提出HaloGuard 1.0，一种基于宪法分类器范式的输入安全模型，在英语和多语言提示安全基准上以约十分之一于当前领先模型的参数规模达到最先进性能，通过自然语言宪法驱动合成数据生成、一对一反事实对、两层无害设计及多语言平衡实现。
Comments 30 pages, 7 figures, 20 Tables, Link: https://huggingface.co/collections/astroware/haloguard-10
AutoMem: Automated Learning of Memory as a Cognitive Skill
AutoMem：自动化学习记忆作为认知技能
机构 * Stanford University（斯坦福大学）
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AutoMem框架，通过双循环自动优化LLM的记忆管理结构和使用能力，在长时域任务中提升性能约2-4倍。
Comments Project Website: https://autolearnmem.github.io/
DMV-Bench: Diagnosing Long-Horizon Multimodal Agents' Visual Memory with Incidental Cue Injection
DMV-Bench: 通过偶然线索注入诊断长程多模态智能体的视觉记忆
机构 * Dartmouth College（达特茅斯学院）
专题命中 记忆与上下文管理 ：agent(abstract)；分类 cs.AI、cs.CL
AI总结 提出首个交互式多模态智能体视觉记忆基准DMV-Bench，基于双编码理论设计DualMem架构，在长链任务中优于现有方法。
Comments 16 pages
State Representation Matters in Deep Reinforcement Learning: Application to Energy Trading
状态表示在深度强化学习中至关重要：应用于能源交易
专题命中 记忆与上下文管理 ：agent(abstract)；分类 cs.AI、cs.LG
AI总结 本文研究深度强化学习中状态表示对抽水蓄能交易策略的影响，发现结合绝对价格、相对价格和预测特征能显著提升跨市场迁移性能。
Memory Makes the Difference: Evaluating How Different Memory Roles Shape Conversational Agents
记忆决定差异：评估不同记忆角色如何塑造对话代理
机构 * Dartmouth College（达特茅斯学院） ； Microsoft（微软公司）
专题命中 记忆与上下文管理 ：agent(abstract)；分类 cs.AI、cs.CL
AI总结 本研究提出对话记忆细粒度分类法，通过用户中心评估框架，揭示不同类型记忆（如澄清记忆、无关记忆）对RAG对话系统响应准确性、个性化及主题相关性的差异化影响。
A Hybrid CNN-LSTM Intrusion Detection Framework for Cybersecurity in Smart Renewable Energy Grids
面向智能可再生能源电网网络安全的混合CNN-LSTM入侵检测框架
机构 * O&M Analytics（O&M分析） ； AES Clean Energy（AES清洁能源） ； The AES Corporation（AES公司） ； Renewable Infrastructure（可再生能源基础设施） ； Dominion Energy（Dominion能源）
专题命中 记忆与上下文管理 ：workflow(abstract)；分类 cs.AI、cs.LG
AI总结 提出混合CNN-LSTM入侵检测框架，结合CNN空间特征提取与LSTM时序建模，解决多步攻击时序建模不足、类不平衡和泛化性差问题，在CICIDS-2017和NSL-KDD上精度达98.2%以上，并实现低延迟实时推理。
Plans Don't Persist: Why Context Management Is Load Bearing for LLM Agents
计划不会持久：为什么上下文管理对LLM代理至关重要
机构 * Snowflake AI Research（Snowflake AI研究）
专题命中 记忆与上下文管理 ：agent(abstract)；分类 cs.AI、cs.CL
AI总结 本文通过重放配对诊断和压缩压力测试，证明标准LLM代理不将计划作为持久状态携带，而是依赖上下文中的计划，并揭示了推理模型的推理痕迹混淆问题。
Comments 17 pages, 8 figures
VISTA Architect: A graph database-oriented health AI system demonstrated in multidisciplinary tumor boards
VISTA Architect：一种面向图数据库的健康AI系统，在多学科肿瘤委员会中展示
机构 * Department of Biomedical Data Science, Stanford University School of Medicine（斯坦福大学医学院生物医学数据科学系） ； Department of Medicine, Stanford University School of Medicine（斯坦福大学医学院医学系）
专题命中 记忆与上下文管理 ：agentic(abstract)；分类 cs.AI、cs.CL
AI总结 提出VISTA Architect架构，通过图数据库和LLM将EHR转化为持久知识图谱，解决长上下文提示和RAG的时序缺失与高成本问题，在胸科肿瘤委员会中实现96.4%准确率。
Comments 22 pages, 4 figures, 6 tables; includes Supplementary Information. Code: https://github.com/VISTA-Stanford/vista-architect (tag v0.1.0-preprint, commit 8837d44)
Hypothesis-Driven Skill Optimization for LLM Agents
假设驱动的技能优化用于LLM智能体
机构 * AI Lab, Qifu Technology（奇富科技人工智能实验室）
专题命中 记忆与上下文管理 ：agent(abstract)；分类 cs.AI、cs.SE
AI总结 提出HDSO框架，通过可证伪假设与验证机制从稀疏轨迹中提取可靠技能，无需训练，在ALFWorld上提升平均成功率6.9-7.1个百分点。
Negative Knowledge as Failure-aware Shared Memory for AutoResearch
作为自动研究失败感知共享记忆的负面知识
机构 * Department of Applied Mathematics and Theoretical Physics, University of Cambridge（剑桥大学应用数学与理论物理系）
专题命中 记忆与上下文管理 ：agent(abstract)；分类 cs.AI、cs.LG
AI总结 提出负面知识记忆层，通过策展代理将失败尝试转化为共享库中的记录，供研究代理采纳或拒绝，在ScienceAgentBench和PDE问题上提升性能并减少令牌使用。
Comments 13 pages, 4 figures
RIZZ: Routing Interactions to Near Zero-Interference Zones for Continual Adaptation of Black-Box Agents
RIZZ: 将交互路由到近零干扰区域以实现黑盒智能体的持续适应
机构 * University of Oxford（牛津大学）
专题命中 记忆与上下文管理 ：agent(abstract)；分类 cs.AI、cs.LG
AI总结 提出RIZZ框架，通过验证器门控记忆、路由和提示编译，实现黑盒语言模型系统在非平稳流数据上的持续适应，有效控制干扰并提升性能。
Comments 20 pages, 2 figures
Less is More: Lightweight Prompt Compression for Question Answering Applications on Edge Devices
少即是多：面向边缘设备问答应用的轻量级提示压缩
机构 * School of Computer Science and Technology, University of Science and Technology of China（中国科学技术大学计算机科学与技术学院） ； Suzhou Institute for Advanced Research, University of Science and Technology of China（中国科学技术大学苏州高等研究院）
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CORE，一种无需辅助语言模型的两阶段句子级提示压缩方法，通过NER和语义匹配构建答案集与线索集，结合正交残差检索和空间邻近度过滤，在边缘设备上显著提升准确率、降低内存和能耗。
The Reservoir Attention Network: Cross-Pass State in Pretrained Transformers via Content-Addressable Reservoir Injection
储层注意力网络：通过内容可寻址储层注入在预训练Transformer中的跨前向传播状态
机构 * Emma Leonhart
专题命中 记忆与上下文管理 ：agent(abstract)；分类 cs.AI、cs.LG
AI总结 提出储层注意力网络（RAN），通过在预训练Transformer中间层注入固定随机储层来携带跨前向传播状态，实验表明未训练的循环动态足以传递可用状态。
Comments 29 pages, 14 figures
GateMem: Benchmarking Memory Governance in Multi-Principal Shared-Memory Agents
GateMem：多主体共享内存代理中的内存治理基准
机构 * School of Artificial Intelligence, Jilin University（吉林大学人工智能学院） ； Shanghai Jiao Tong University（上海交通大学） ； King Abdullah University of Science and Technology (KAUST)（卡尔斯鲁厄大学） ； Tsinghua University（清华大学） ； National University of Singapore（新加坡国立大学）
专题命中 记忆与上下文管理 ：agent(abstract)；分类 cs.CL、cs.LG
AI总结 提出GateMem基准，评估多主体共享内存代理在效用、访问控制和遗忘三方面的治理能力，发现现有方法无法同时满足三者。
Comments 24 pages, 8 figures. Code and dataset are available at https://github.com/rzhub/GateMem and https://huggingface.co/datasets/Ray368/GateMem
SoK: AI-Augmented Binary Reversing
SoK: AI增强的二进制逆向工程
机构 * Sungkyunkwan University（成均馆大学） ； The University of Chicago（芝加哥大学） ； Yonsei University（延世大学）
专题命中 记忆与上下文管理 ：agentic(abstract)；分类 cs.AI、cs.SE
AI总结 系统化梳理AI增强二进制逆向工程领域，提出统一分类法涵盖传统与AI方法，揭示LLM和智能体AI的新角色，识别技术挑战与评估缺口。
Comments 20 pages, 7 tables, 3 figures
Catching One in Five: LLM-as-Judge Blind Spots in Production Multi-Turn Transaction Agents
捕捉五分之一：LLM作为评判员在生产环境多轮交易代理中的盲点
机构 * Lumivate (Lumi)（Lumivate（Lumi））
专题命中 记忆与上下文管理 ：agent(abstract)；分类 cs.AI、cs.CL
AI总结 研究部署的餐饮订购代理中LLM评判员对真实缺陷的召回率，发现其仅捕获22%的系统性问题，主要因评分标准缺乏状态跟踪等行为维度，且路由机制导致缺陷被错误分类。
Comments 13 pages, 1 figure, 5 tables
Memory Beyond Recall: A Dual-Process Cognitive Memory System for Self-Evolving LLM Agents
超越回忆的记忆：用于自进化LLM代理的双过程认知记忆系统
机构 * Tencent（腾讯）
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DCPM系统，基于双过程理论将代理记忆组织为认知能力层次，通过同步日间写入器和异步夜间引擎分别处理信念修正和模式归纳，在隐式跨会话推理任务上提升显著。
Towards Improving Sequential Decision-Making in LLM Agents via Experience Memory
基于经验记忆提升大语言模型智能体的序列决策能力
专题命中 记忆与上下文管理 ：agentic(abstract)；分类 cs.AI；autonomous agent(comments)
AI总结 本研究针对LLM智能体序列决策性能不足的问题，提出带经验记忆的智能体框架，通过对局后反思与规则提取，在不修改模型权重的情况下提升了井字棋任务的表现。
Comments 8 pages, 6 figures, 14 tables, 5 appendices, accepted at Neuro-Symbolic Intelligence for LLMs and Autonomous Agents workshop at IJCAI 2026
Quo Vadis, World Modeling?
世界建模，何去何从？
专题命中 记忆与上下文管理 ：agent(abstract)；分类 cs.AI；agentic(comments)
AI总结 本研究提出以智能体为中心的交互式世界代理，将世界建模范式从物理状态转换转向智能体可用信息转换，划分六种代理类型与三个赋能层面，为构建赋能智能体的世界代理建立路线图。
Comments Technical Blog at https://worldbench.github.io/awesome-agentic-world-model GitHub Repo at https://github.com/worldbench/awesome-agentic-world-model
Mi-Memory: A Lifecycle Memory Framework for Personal AI
Mi-Memory：一种用于个人人工智能的生命周期内存框架
专题命中 记忆与上下文管理 ：agent(abstract,comments)；分类 cs.AI
AI总结 研究针对个人人工智能从聊天交互拓展至多设备持续服务的需求，提出Mi-Memory生命周期内存框架，围绕四个角色构建，通过共享审计合约及相关工件家族实现，经实例化角色在评估中取得一定成果，迈向可审计等特性的内存系统。
Comments Project page: https://darwin-agent.github.io/Mi-Memory/
Contrastive Reflection for Iterative Prompt Optimization
对比反思：迭代提示优化
机构 * LinkedIn（领英）
专题命中 记忆与上下文管理 ：agentic(abstract)；分类 cs.AI；AI agent(comments)
AI总结 提出对比反思框架，通过对比失败与成功行为，迭代优化检索增强生成代理的提示，在HotpotQA上准确率从51.4%提升至60.4%。
Comments 6 pages, 1 figure. To appear at Agent4IR @ KDD 2026 (KDD 2026 Workshop on AI Agents for Information Retrieval)
Classifying Directional Trajectories Near Criticality in the Three-State Majority-Vote Model with Deep Belief Networks and Bidirectional GRUs
用深度置信网络和双向门控循环单元对三态多数投票模型临界态附近的定向轨迹进行分类
专题命中 记忆与上下文管理 ：agent(abstract)；分类 cs.LG
AI总结 本研究用DBN与Bi-GRU处理MV3轨迹分类问题，DBN编码静态快照，Bi-GRU实现四类轨迹近乎完美分离，可实时感知MV3动态 regime，为意见动力学模型临界转变检测提供分层架构。
Comments 8 pages, 6 figures, to be published in AIxSET 2026
