Working Memory Graphs
专题命中 记忆与上下文管理 ：agent(abstract)；planning(abstract)；分类 cs.AI、cs.CL、cs.LG
Comments 11 pages, 6 figures, 7 page appendix
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 4766 篇
Rationalization: A Neural Machine Translation Approach to Generating Natural Language Explanations
专题命中 记忆与上下文管理 ：agent(abstract)；autonomous agent(abstract)；分类 cs.AI、cs.CL、cs.LG
Comments 9 pages, 4 figures; added human evaluation section; added author; changed author order-Upol Ehsan and Brent Harrison both contributed equally to this work
Predictive Control Using Learned State Space Models via Rolling Horizon Evolution
专题命中 记忆与上下文管理 ：planning(abstract,comments)；agent(abstract)；分类 cs.AI、cs.LG
Comments Accepted at the Bridging the Gap Between AI Planning and Reinforcement Learning (PRL) Workshop at ICAPS 2021
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
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。
RippleMem: From Isolated Retrieval to Associative Recollection for Long-Term Agent Memory
RippleMem：从孤立检索到智能体长期记忆的关联回忆
机构 * Communication University of China（中国传媒大学） ； Zhilian Yinghe Technology Co., Ltd.（智联映和科技有限公司） ； State Key Laboratory of Media Convergence and Communication（媒体融合与传播国家重点实验室）
专题命中 记忆与上下文管理 ：agent(title)；分类 cs.CL
AI总结 RippleMem是一种智能体长期记忆系统，以自适应关联回忆替代孤立检索，在LoCoMo、LongMemEval-S数据集上提升LLM-as-a-Judge准确率并降低图构建成本，性能优于现有方法。
Comments 22 pages, 4 figures
Total Recall at What Cost? Benchmarking the Serving Cost of Agentic Memory Systems
全量召回的代价是什么？智能体记忆系统的服务成本基准测试
机构 * Bricks Technology（布里克科技）
专题命中 记忆与上下文管理 ：agentic(title)；分类 cs.CL
AI总结 本研究基准测试 Mem0 等三种智能体记忆系统的服务成本，对比固定窗口与全量重发策略，发现其成本受内部行为驱动，且无系统同时在成本与准确率上占优。
Comments 11 pages, 2 figures, 8 tables
Video-DeepResearch: Towards the Next-Generation Multimodal Deepresearch Agent
Video-DeepResearch：迈向新一代多模态深度研究智能体
专题命中 记忆与上下文管理 ：agent(title)；分类 cs.AI
AI总结 该研究提出Video-DR智能体框架，通过解耦感知-探索流水线与分阶段工具解锁解决现有多模态模型的模态偏差和知识泄漏问题，构建基准并在视频问答任务上取得SOTA性能。
LazyMem: Retrieve Broadly, Construct Selectively for Efficient Long-Term Agent Memory
LazyMem：广泛检索，按需构建以实现高效长期智能体记忆
机构 * School of Data Science and Engineering, East China Normal University（数据科学与工程学院，华东师范大学）
专题命中 记忆与上下文管理 ：agent(title)；分类 cs.AI
AI总结 研究针对大语言模型智能体长期记忆中原始对话历史的问题，提出LazyMem方法，将记忆构建推迟到查询时，通过轻量级模型处理候选池，经特定训练方式，在基准测试中取得高准确率，减少记忆令牌数和延迟。
Comments 29 pages, under review
Retain or Consolidate? Budget-Dependent Operator Selection for Language Agent Memory
保留还是合并？语言智能体记忆中依赖预算的算子选择
专题命中 记忆与上下文管理 ：agent(title)；分类 cs.AI
AI总结 研究语言智能体记忆中预算依赖的算子选择问题，核心方法是将算子效用分解，用离线抽象安全机制实现，主要贡献是通过实验揭示在不同预算下保留和合并策略的适用情况及算子效果差异。
Forensic Trajectory Signatures for Agent Memory Poisoning Detection
用于智能体记忆中毒检测的法医轨迹签名
专题命中 记忆与上下文管理 ：agent(title)；分类 cs.LG
AI总结 发现LLM智能体在持久记忆中毒下的行为不变性，利用轨迹特征实现高精度检测（AUC=0.9904），并能区分记忆通道攻击与提示注入攻击。
Comments 16 pages, 3 figures. v2: adds preregistered deployment boundary study (N=4,360, 13 models). Companion to arXiv:2605.08442
Agentic Context Learning with Self-Discovered Specification
通过自我发现的规范进行智能体上下文学习
机构 * University of Southern California（南加州大学） ； University of Florida（佛罗里达大学） ； Emory University（埃默里大学） ； Adobe Research（Adobe研究院） ； The Ohio State University（俄亥俄州立大学） ； National Taiwan University（国立台湾大学）
专题命中 记忆与上下文管理 ：agentic(title)；分类 cs.AI
AI总结 研究上下文学习困难的原因，发现其不仅需内容获取还需规范获取。设计PSCI干预措施，提取并强化局部规范，在多个模型上取得显著提升，验证了规范获取的重要性，表明上下文学习依赖内容与规范获取。
A-TMA: Decoupling State-Aware Memory Failures in Long-Term Agent Memory
A-TMA: 解耦长期智能体记忆中的状态感知记忆故障
机构 * National University of Singapore（新加坡国立大学）
专题命中 记忆与上下文管理 ：agent(title)；分类 cs.AI
AI总结 针对长期记忆中状态不一致导致的幽灵记忆问题，提出A-TMA方法，通过状态感知覆盖层在存储、检索和回答三个层面解耦故障，在冲突密集基准上显著提升时间F1。
Compressing Observation History into Agent Memory: Distilling Transformers into Recurrent Transformers
将观察历史压缩为智能体记忆：将Transformer蒸馏为循环Transformer
机构 * Naver Labs Europe
专题命中 记忆与上下文管理 ：agent(title)；分类 cs.LG
AI总结 提出蒸馏方法，将全历史Transformer的压缩策略迁移至循环Transformer，通过瓶颈表示监督学生模型记忆，缩小性能差距并实现线性时间复杂度。
Learning What to Remember: A Cognitively Grounded Multi-Factor Value Model for Agentic Memory
学习该记住什么：一种基于认知的多因素记忆价值模型
机构 * Huatai Securities（华泰证券） ； OneBeget.com
专题命中 记忆与上下文管理 ：agentic(title)；分类 cs.AI
AI总结 针对长期LLM代理的记忆管理问题，提出一种基于认知心理学的多因素记忆价值函数，通过无梯度优化学习权重，统一控制编码深度、遗忘风险和检索排名，在LongMemEval上显著优于单一因素和近因策略。
Comments 11 pages, 3 figures
Marginal Advantage Accumulation for Memory-Driven Agent Self-Evolution
边际优势累积用于记忆驱动智能体自我进化
机构 * Alibaba International Digital Commerce Group（阿里巴巴国际数字商业集团）
专题命中 记忆与上下文管理 ：agent(title)；分类 cs.LG
AI总结 针对批量式轨迹蒸馏中跨批次证据缺失问题，提出边际优势累积（MAA）方法，通过差分信号构造、指数移动平均累积和语义身份合并，在16个设置中14个取得最佳结果，优化阶段token消耗减少约75%。
Comments 26 pages, 4 figures, 10 tables, 42 references
MemSlides: A Hierarchical Memory Driven Agent Framework for Personalized Slide Generation with Multi-turn Local Revision
MemSlides：一种用于个性化幻灯片生成与多轮局部修订的层次化记忆驱动智能体框架
机构 * Beijing University of Posts and Telecommunications（北京邮电大学） ； Tsinghua University（清华大学） ； Shanghai Jiao Tong University（上海交通大学）
专题命中 记忆与上下文管理 ：agent(title)；分类 cs.CL
AI总结 提出MemSlides层次化记忆框架，通过分离长期记忆（用户画像和工具记忆）与工作记忆，结合局部修订机制，实现个性化幻灯片生成中的用户偏好保持、多轮修订和可靠局部编辑。
Comments Code, website, project page, and video are linked in the paper
All-Mem: Agentic Lifelong Memory via Dynamic Topology Evolution
All-Mem: 通过动态拓扑演化实现智能体终身记忆
机构 * Beijing Advanced Innovation Center for Future Blockchain and Privacy Computing（北京未来区块链与隐私计算先进创新中心） ； Beihang University（北航） ； Tsinghua University（清华大学） ； Chalmers University of Technology（查尔姆斯理工大学）
专题命中 记忆与上下文管理 ：agentic(title)；分类 cs.CL
AI总结 提出All-Mem框架，通过在线/离线结合的非破坏性拓扑结构记忆库，解决终身交互代理中历史增长导致的检索冗余和噪声问题，在LoCoMo和LongMemEval-s上提升检索与问答性能。
ScrapMem: A Bio-inspired Framework for On-device Personalized Agent Memory via Optical Forgetting
ScrapMem: 一种基于生物启发的光学遗忘机制用于设备端个性化智能体记忆
机构 * Nanjing Agricultural University（南京农业大学） ； Nanjing University（南京大学）
专题命中 记忆与上下文管理 ：agent(title)；分类 cs.AI
AI总结 提出ScrapMem框架，通过光学遗忘机制压缩旧记忆并构建情节记忆图，在资源受限设备上实现高效多模态长期记忆，在ATM-Bench上取得51.0% Joint@10新最优，存储降低93%，召回率提升至70.3%。
Comments 10 pages, 4 figures
DimMem: Dimensional Structuring for Efficient Long-Term Agent Memory
DimMem：面向高效长期智能体记忆的维度结构化
机构 * StepOS ； Xiamen University（厦门大学） ； ShanghaiTech University（上海科技大学）
专题命中 记忆与上下文管理 ：agent(title)；分类 cs.CL
AI总结 提出DimMem维度记忆框架，通过原子化、类型化、自包含的记忆单元（含时间、地点、原因等显式字段）实现维度感知检索与更新，在LoCoMo-10和LongMemEval-S上分别达到81.43%和78.20%准确率，且每查询token成本降低24%。
Rethinking How to Remember: Beyond Atomic Facts in Lifelong LLM Agent Memory
重新思考如何记忆：超越原子事实的终身LLM代理记忆
机构 * TMLR Group, Hong Kong Baptist University（香港 Baptist 大学 TMLR 实验组） ； The University of Texas at Austin（德克萨斯大学奥斯汀分校） ； Shanghai Jiao Tong University（上海交通大学） ； Sydney AI Center, The University of Sydney（悉尼大学悉尼人工智能中心）
专题命中 记忆与上下文管理 ：agent(title)；分类 cs.CL
AI总结 本文提出TriMem，一种能够维护三种共存表示粒度的内存系统，通过保留原始对话片段、提取原子事实以及合成轮廓来实现对积累对话历史的忠实存储、高效检索和深度推理，从而克服现有方法在细节丢失和推理能力不足的问题。
Intermediate Artifacts as First-Class Citizens: A Data Model for Durable Intermediate Artifacts in Agentic Systems
中间产物作为第一公民：代理系统中持久中间产物的数据模型
机构 * ThruWire, Inc.（ThruWire公司）
专题命中 记忆与上下文管理 ：agentic(title)；分类 cs.AI
AI总结 本文提出一种数据模型，旨在保存可追溯、可版本化且可被下游计算使用的持久中间产物，以提高AI生成工作的可审查性和可维护性。
Comments 18 pages, 1 figure, 3 tables
PrefixGuard: From LLM-Agent Traces to Online Failure-Warning Monitors
PrefixGuard: 从LLM-代理轨迹到在线故障预警监控
机构 * University of Liverpool（利物浦大学） ； Université Grenoble Alpes（格勒诺布尔阿尔卑斯大学）
专题命中 记忆与上下文管理 ：agent(title)；分类 cs.AI
AI总结 PrefixGuard通过离线StepView诱导和监督学习训练监控器，有效提升异构轨迹上的在线故障预警性能，实现0.900/0.710/0.533/0.557 AUPRC的高精度预警。
Comments Under Review
ADS-POI: Agentic Spatiotemporal State Decomposition for Next Point-of-Interest Recommendation
ADS-POI: 基于代理的时空状态分解用于下一步兴趣点推荐
机构 * Fudan University（复旦大学） ； Southeast University（东南大学） ； University of Malaya（马来亚大学）
专题命中 记忆与上下文管理 ：agentic(title)；分类 cs.AI
AI总结 ADS-POI通过分解用户行为为多个时空感知状态，提升兴趣点推荐的准确性和鲁棒性，实验显示其优于现有最先进基线。
Thought-Retriever: Don't Just Retrieve Raw Data, Retrieve Thoughts for Memory-Augmented Agentic Systems
Thought-Retriever: 不只是检索原始数据，为记忆增强型智能体检索思想
机构 * University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校） ； Carnegie Mellon University（卡内基梅隆大学）
专题命中 记忆与上下文管理 ：agentic(title)；分类 cs.CL
AI总结 本文提出Thought-Retriever，一种无需受上下文长度限制的算法，使LLM能基于任意长外部数据生成输出。通过利用历史查询生成的中间响应，构建长期记忆，提升回答能力。
Journal ref Transactions on Machine Learning Research (TMLR), 04/2026
Diagnosing Retrieval vs. Utilization Bottlenecks in LLM Agent Memory
诊断LLM代理记忆中的检索与利用瓶颈
机构 * University of California, San Diego（加利福尼亚大学圣迭戈分校） ； Carnegie Mellon University（卡内基梅隆大学） ； University of North Carolina（北卡罗来纳大学）
专题命中 记忆与上下文管理 ：agent(title)；分类 cs.AI
AI总结 本文通过3x3实验分析写入策略、检索方法和记忆利用行为对性能的影响，发现检索方法是主要瓶颈，且原始分块存储在无需LLM调用时表现优异。
Comments Accepted at the MemAgents Workshop, ICLR 2026
The Cartesian Cut in Agentic AI
代理AI中的笛卡尔切割
机构 * Harvard University（哈佛大学） ； Harvard Medical School（哈佛医学院）
专题命中 记忆与上下文管理 ：agentic(title)；分类 cs.AI
AI总结 本文探讨了代理AI中控制机制的设计，提出笛卡尔代理通过符号接口实现控制状态和策略的外部化，以实现自主性、鲁棒性和监督的平衡。
Novel Memory Forgetting Techniques for Autonomous AI Agents: Balancing Relevance and Efficiency
新颖的记忆遗忘技术用于自主AI代理：在相关性和效率之间平衡
专题命中 记忆与上下文管理 ：AI agent(title)；分类 cs.AI
AI总结 本文提出一种自适应预算遗忘框架，通过相关性引导评分和有界优化，提升长周期对话任务的F1分数和记忆一致性，减少虚假记忆。
RPMS: Enhancing LLM-Based Embodied Planning through Rule-Augmented Memory Synergy
RPMS：通过规则增强的记忆协同提升基于LLM的具身规划
机构 * School of Electrical & Electronic Engineering（电子与电气工程学院）
专题命中 记忆与上下文管理 ：planning(title)；分类 cs.AI
AI总结 本文提出RPMS架构，通过结构化规则检索、轻量信念状态和规则优先仲裁解决LLM在封闭世界具身环境中的失效问题，显著提升任务成功率。
Memory as Asset: From Agent-centric to Human-centric Memory Management
记忆作为资产：从以代理为中心到以人类为中心的记忆管理
专题命中 记忆与上下文管理 ：agent(title)；分类 cs.AI
AI总结 本文提出以人类为中心的记忆管理范式，通过个人记忆存储、智能进化层和去中心化记忆交换网络，构建持续增长的知识基础架构，推动可扩展的人类中心AGI系统发展。
Inherited Goal Drift: Contextual Pressure Can Undermine Agentic Goals
继承性目标漂移：情境压力可能削弱代理目标
机构 * UC San Diego（加州大学圣地亚哥分校） ； Columbia University（哥伦比亚大学） ； Georgia Tech（佐治亚理工学院） ； MATS ； SPAR
专题命中 记忆与上下文管理 ：agentic(title)；分类 cs.AI
AI总结 本文研究了语言模型在面对情境压力时目标漂移的继承性问题，发现模型在不同环境下表现出不一致的鲁棒性，强调了对训练后技术改进的必要性。
Comments 22 pages, 7 figures. Accepted at ICLR 2026 Lifelong Agents Workshop
