AI Agent

Agent-based Ecological Model Calibration - on the Edge of a New Approach

Antonio Pereira, Pedro Duarte, Luis Paulo Reis

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

Comments 7 pages, 6 figures, Proceedings of the International Conference on Knowledge Engineering and Decision Support, pp. 107-113, ISEP, Porto, Portugal, July 2004

Agent Models of Political Interactions

Eric Engle

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

Comments 22 pages

Fast and Memory Efficient Multimodal Journey Planning with Delays

快速且内存高效的考虑延迟的多模式行程规划

Denys Katkalo, Andrii Rohovyi, Toby Walsh

专题命中 记忆与上下文管理 ：planning(title,abstract)

AI总结 本文提出一种更高效、快速且准确的多模式行程规划方法，适用于单目标和双目标场景，通过优化算法提升速度和精度。

Comments v4: revised manuscript incorporating reviewer feedback (Related Work restructure, temporal-planning baselines, Bez 2020 thesis acknowledgment, equation relocation); style switched to the AAAI 2026 format

Taking Flight with Dialogue: Enabling Natural Language Control for PX4-based Drone Agent

Shoon Kit Lim, Melissa Jia Ying Chong, Jing Huey Khor, Ting Yang Ling

机构 * University of Southampton Malaysia（英国南安普顿大学马来西亚分校） ； Connected Intelligence Research Group（连接智能研究组） ； Sustainable Electronic Technologies（可持续电子技术） 纠错

专题命中 记忆与上下文管理 ：agent(title,comments)；agentic(abstract)

Comments Source code available at: https://github.com/limshoonkit/ros2-agent-ws

Consentaneous agent-based and stochastic model of the financial markets

V. Gontis, A. Kononovicius

专题命中 记忆与上下文管理 ：agent(title,abstract)

Comments 17 pages, 6 figures, Gontis V, Kononovicius A (2014) Consentaneous Agent-Based and Stochastic Model of the Financial Markets. PLoS ONE 9(7): e102201. doi: 10.1371/journal.pone.0102201

Journal ref PLoS ONE 9(7), e102201, 2014

DocAtlas: Long-Document Understanding as Mutable-State Interaction

DocAtlas：将长文档理解视为可变状态交互

Hongchen Wei, Yuanzhe Wang, Bei Liu, Yifan Yang, Qi Dai, Kai Qiu, Yunsheng Li, Dongdong Chen, Chong Luo, Zhenzhong Chen, Baining Guo

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

AI总结 本研究提出DocAtlas系统，将长文档理解视为可变状态交互，通过可变文档工具结合自改进检索等技术，在MMLongBench-Doc上用GPT-5.4达71.4%，还可提升紧凑型VLM智能体性能。

Toward Learning POMDPs Beyond Full-Rank Actions and State Observability

迈向超越全秩动作和状态可观测性的POMDP学习

Seiji Shaw, Travis Manderson, Chad Kessens, Nicholas Roy

机构 * MIT Computer Science and Artificial Intelligence Lab（麻省理工学院计算机科学与人工智能实验室） ； DEVCOM Army Research Laboratory（陆军研究实验室） 纠错

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

AI总结 本文提出了一种基于PSR方法学习POMDP参数的方法，通过张量分解估计相似变换，实现状态划分下的转移和观察模型学习，并展示了其在不同奖励函数下的应用潜力。

Comments WAFR camera-ready

OpsMem: Dual-Memory Reasoning with Cross-Memory Resonance for Failure Diagnosis

OpsMem：用于故障诊断的具有跨内存共振的双内存推理

Yongqian Sun, Rongchen Gao, Yu Luo, Wenwei Gu, Shenglin Zhang, Qingyi Guo, Qiuai Fu, Yaoliang Wu, Dan Pei

机构 * Huawei（华为） 纠错

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

AI总结 针对现代软件系统故障诊断中缺乏协调诊断状态与操作经验机制的问题，提出双内存框架OpsMem，通过跨内存共振等进行多智能体诊断，实验表明其在华为微服务故障诊断数据集上优于基线，提升了匹配度和相关性。

Comments 6 pages, 5 figures

PatchOptic for Shared-State LLM Workflows with Projected Views and Verified Structured Updates

用于具有投影视图和经过验证的结构化更新的共享状态大语言模型工作流的PatchOptic

Zhaoyu Bai, Jiaqi Cai

机构 * Weizmann Institute of Science（魏茨曼科学研究所） ； Massachusetts Institute of Technology（麻省理工学院） 纠错

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

AI总结 研究共享状态大语言模型工作流问题，提出受光学启发的PatchOptic接口，通过投影读取和验证结构化补丁实现，经PatchBench评估，该设计能减少泄漏和成本，保持输出质量，阻止违规并拒绝受损补丁。

Comments 24 pages, 13 figures, including appendix

CaveAgent: Transforming LLMs into Stateful Runtime Operators

CaveAgent：将LLM转变为具有状态的运行时操作符

Maohao Ran, Zhenglin Wan, Cooper Lin, Yanting Zhang, Hongyu Xin, Hongwei Fan, Yibo Xu, Beier Luo, Yaxin Zhou, Wangbo Zhao, Lijie Yang, Lang Feng, Fuchao Yang, Jingxuan Wu, Yiqiao Huang, Chendong Ma, Yusen Huang, Dailing Jiang, Jianbo Deng, Sirui Han, Yang You, Bo An, Yike Guo, Jun Song

机构 * Hong Kong Generative AI Research and Development Center (HKGAI)（香港生成式AI研究与开发中心（HKGAI）） 纠错

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

AI总结 CaveAgent通过引入双流架构，将LLM从文本生成器转变为运行时操作符，解决了长周期任务中上下文漂移问题，提升了多轮交互的稳定性和数据处理能力。

Comments ver.2

Mem-$π$: Adaptive Memory through Learning When and What to Generate

Mem-$π$: 通过学习何时以及生成什么来实现自适应记忆

Xiaoqiang Wang, Chao Wang, Hadi Nekoei, Christopher Pal, Alexandre Lacoste, Spandana Gella, Bang Liu, Perouz Taslakian

机构 * ServiceNow AI Research（ServiceNow AI研究院） ； Mila -- Quebec AI Institute（魁北克AI研究所） ； McGill University（麦吉尔大学） ； CIFAR AI Chair（CIFAR人工智能主席） 纠错

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

AI总结 Mem-$π$ 通过学习在何时以及生成什么来实现自适应记忆，利用专门的语言或视觉-语言模型生成上下文特定的指导，从而在多种代理任务中优于基于检索和先前RL优化的记忆基线。

Comments Work in progress

$How^{2}$: How to learn from procedural How-to questions

$How^{2}$: 如何从过程性如何问题中学习

Gautier Dagan, Frank Keller, Alex Lascarides

机构 * University of Edinburgh（爱丁堡大学） 纠错

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

AI总结 本文提出$How^{2}$框架，使智能体能提问、存储并复用如何问题答案，提升长期学习能力。在Plancraft环境中，抽象化答案对任务完成更有效。

R-Debater: Retrieval-Augmented Debate Generation through Argumentative Memory

R-Debater：通过论证记忆的检索增强辩论生成

Maoyuan Li, Zhongsheng Wang, Haoyuan Li, Jiamou Liu

机构 * Wuhan College of Communication（武汉通信学院） ； Wuhan College of Communication University of Auckland（武汉通信学院奥克兰大学） ； University of Auckland（奥克兰大学） 纠错

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

AI总结 R-Debater通过整合检索和结构化规划，实现了更忠实、一致且连贯的多轮辩论生成。

Comments Accepteed by AAMAS 2026 full paper

CodeMem: Architecting Reproducible Agents via Dynamic MCP and Procedural Memory

CodeMem: 通过动态MCP和程序记忆构建可重复的智能体

Nishant Gaurav, Adit Akarsh, Tejas Ravishankar, Manoj Bajaj

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

AI总结 CodeMem通过动态MCP和程序记忆架构，解决智能体在重复任务中的概率不稳定性问题，实现可靠的工作流构建与运行。

Comments 11 pages, 2 figures

Memory Management and Contextual Consistency for Long-Running Low-Code Agents

Jiexi Xu

机构 * University of California, Irvine School of Information & Computer Science（加州大学尔湾分校信息与计算机科学学院） 纠错

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

Comments 12 pages, 5 figures, 1 table

Task Memory Engine: Spatial Memory for Robust Multi-Step LLM Agents

Ye Ye

机构 * New York University（纽约大学） 纠错

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

Comments Under review. 9 pages main content, 15 pages appendix, 5 figures

Long Term Memory: The Foundation of AI Self-Evolution

Xun Jiang, Feng Li, Han Zhao, Jiahao Qiu, Jiaying Wang, Jun Shao, Shihao Xu, Shu Zhang, Weiling Chen, Xavier Tang, Yize Chen, Mengyue Wu, Weizhi Ma, Mengdi Wang, Tianqiao Chen

机构 * Tianqiao and Chrissy Chen Institute（田桥和克里斯西·陈研究所） ； Princeton University（普林斯顿大学） ； Institute for AI Industry Research, Tsinghua University（清华大学人工智能产业研究院） ； Shanghai Jiao Tong University（上海交通大学） ； Shanda Group（尚世集团） 纠错

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

Comments 56 pages, 13 figures

Geo-OLM: Enabling Sustainable Earth Observation Studies with Cost-Efficient Open Language Models & State-Driven Workflows

Dimitrios Stamoulis, Diana Marculescu

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

FactorMiner: A Self-Evolving Agent with Skills and Experience Memory for Financial Alpha Discovery

FactorMiner: 一种具备技能与经验记忆的自演化代理，用于金融alpha发现

Yanlong Wang, Jian Xu, Hongkang Zhang, Shao-Lun Huang, Danny Dongning Sun, Xiao-Ping Zhang

专题命中 记忆与上下文管理 ：agent(title,abstract)

AI总结 FactorMiner通过模块化技能架构和经验记忆实现自演化，有效挖掘高可解释性的金融alpha因子，降低冗余并提升性能。

UrbanWorld2.0: A Multimodal Agentic Framework for Reality-Aligned 3D World Generation at City-Scale

RAISECity: 一种用于城市级现实对齐3D世界生成的多模态代理框架

Shengyuan Wang, Zhiheng Zheng, Yu Shang, Lixuan He, Yangcheng Yu, Fan Hangyu, Jie Feng, Qingmin Liao, Yong Li

机构 * College of AI, Tsinghua University（人工智能学院，清华大学） ； Shenzhen International Graduate School, Tsinghua University（深圳国际研究生院，清华大学） ； Department of Electronic Engineering, BNRist, Tsinghua University（电子工程系，北京研究院，清华大学） 纠错

专题命中 记忆与上下文管理 ：agentic(title,abstract)

AI总结 RAISECity通过多模态代理框架实现城市级3D世界生成，提升现实对齐、精度和性能，适用于沉浸媒体和具身智能应用。

Comments Accepted by ACM MM 2026, the code is available at: https://github.com/tsinghua-fib-lab/UrbanWorld2.0

Time-ordered free energy in correlated quantum systems: An agentic approach

关联量子系统中的时序自由能：一种智能体方法

Ruo Cheng Huang, Isha Singh Le Xue, Yuxuan Qu, Paul M. Riechers, Varun Narasimhachar, Mile Gu

专题命中 记忆与上下文管理 ：agentic(title)；agent(abstract)

AI总结 本文针对关联量子系统，提出一种基于动态规划和计算力学的智能体方法，定义时序自由能（TOFE）为该系统中智能体可提取的最大功，其策略识别时间复杂度随序列长度线性缩放。

Mobility, Memory, and Network Structure in Agent-Based Models of Convention Tipping and Convergence

基于智能体的惯例颠覆与收敛模型中的流动性、记忆与网络结构

Joe Shymanski, Garrick Springer, Sandip Sen

专题命中 记忆与上下文管理 ：agent(title,abstract)

AI总结 该研究构建智能体基模型，探究流动性、记忆、网络拓扑对惯例颠覆阈值的影响，发现多数配置下颠覆必然发生，还建立预测模型估计收敛时间，拓展了经典颠覆点研究。

Comments Under review at the Journal of Artificial Societies and Social Simulation (JASSS)

When Does Belief-Based Agent Memory Help? Reliability-Conditional Updating and Provenance-Capped Poisoning Defense

Nous：一种用于长期智能体记忆的预测世界模型

Pranav Singh

机构 * Indian Institute of Technology Ropar（印度理工学院罗巴尔分校） 纠错

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

AI总结 提出Nous记忆架构，基于知识即预测而非存储的原则，通过贝叶斯更新维护概率分布，以信息论惊喜度评分并记录信念变化，在LoCoMo基准上取得优于对比方法的F1分数。

Comments Preprint. 10 pages, 1 figure, 6 tables

Agent-Alternation-Free Epistemic Metric Temporal Logic with Past: Model Checking and Complexity

带过去时态的无主体交替认知度量时态逻辑：模型检查与复杂性

Benedikt Bollig, Matthias Függer, Thomas Nowak, Paul Zeinaty

专题命中 记忆与上下文管理 ：agent(title,abstract)

AI总结 研究带过去时态的无主体交替认知度量时态逻辑的模型检查，通过结合时态测试自动机与完美回忆观察者进行分析，证明其模型检查为EXPSPACE完全，给出了该逻辑在特定条件下的复杂性结论。

Comments 31 pages

FUSION: Forecast-Embedded Agent Scheduling with Service Incentive Optimization over Distributed Air-Ground Edge Networks

融合：分布式空地边缘网络中具有服务激励优化的预测嵌入式智能体调度

Houyi Qi, Minghui Liwang, Seyyedali Hosseinalipour, Liqun Fu, Sai Zou, Xianbin Wang, Wei Ni, Yiguang Hong

专题命中 记忆与上下文管理 ：agent(title,abstract)

AI总结 针对分布式空地集成网络，提出含离线和在线阶段的FUSION两阶段优化框架。离线阶段用液神经网络预测需求，经路由和激励机制确定合同与路线；在线阶段将任务调度建模为博弈求解。实验表明该框架能提升福利与利用率。

Verification-Gated Agentic Mission-State Governance for Intelligent Industrial Multi-Robot Systems

验证门控的智能工业多机器人系统任务状态治理

Guoqin Tang, Qingxuan Jia, Yichen Tan, Zeyuan Huang, Ning Ji, Gang Chen

机构 * Beijing University of Posts and Telecommunications（北京邮电大学） 纠错

专题命中 记忆与上下文管理 ：agentic(title,abstract)

AI总结 提出验证门控任务状态治理框架，通过同步任务森林与黑板状态，经确定性验证后原子提交，减少无效提交和冲突，提升工业多机器人系统安全与效率。

KernelFlume: Elastic Core-Attention Scaling for Agentic Long-Context Decoding

KernelFlume: 面向智能体长上下文解码的弹性核心注意力扩展

Guangyu Xiang, Xueze Kang, Lin Zhang, Wenxiang Lin, Shaohuai Shi, Yuxin Wang, Xiaowen Chu

专题命中 记忆与上下文管理 ：agentic(title,abstract)

AI总结 针对智能体长上下文解码中突发性长上下文需求超出部署容量的问题，提出KernelFlume架构，通过解耦投影/FFN路径与核心注意力计算，实现无权重注意力节点的弹性扩展，在降低延迟的同时显著降低输出成本。

Macro--Micro Decision-Making in 6G Networks: An Agent-Based Framework for the Resource-Fungibility Landscape Resource-Fungibility Landscape

6G网络中的宏观-微观决策：基于智能体的资源可替代性景观框架

Sayanti Ghosh, Indrakshi Dey, Nicola Marchetti

专题命中 记忆与上下文管理 ：agent(title,abstract)

AI总结 针对6G网络中资源可替代性受宏观与微观决策耦合影响的问题，提出基于智能体建模的框架，通过三个宏观选择、三个微观超参数和三个结构指标分离决策尺度，并推导出六个关键定理。

Comments 5 pages, 4 figures, submitted to IEEE Networking Letters

Pingquanqi (Equalizer): A Cross-Domain Sociotechnical Framework for Human-Agent Interaction Governance

Pingquanqi（均衡器）：人机交互治理的跨领域社会技术框架

Yu Wang

专题命中 记忆与上下文管理 ：agent(title,abstract)

AI总结 提出Pingquanqi框架，通过用户状态区分、贝叶斯止损、可控摩擦和透明度度量等组件，优化LLM代理交互成本，保护用户时间资源，兼顾企业经济效益。

Comments 31 pages

Securing LLM-Agent Long-Term Memory Against Poisoning: Non-Malleable, Origin-Bound Authority with Machine-Checked Guarantees

保护LLM智能体长期记忆免受投毒：具有机器验证保证的不可延展、源绑定权限

Yedidel Louck

专题命中 记忆与上下文管理 ：agent(title,abstract)

AI总结 针对LLM智能体长期记忆投毒攻击，提出不可延展信息流控制（IFC）方案TMA-NM，通过源绑定和防Sybil确认门控实现0%攻击成功率。

Comments Index Terms: LLM agents, long-term memory, memory poisoning, information-flow control, capability security, prompt injection, formal verification, benchmark