Memory in the LLM Era: Modular Architectures and Strategies in a Unified Framework
在大语言模型时代：在统一框架下的模块化架构与策略
机构 * Huawei Cloud（华为云）
专题命中 记忆与上下文管理 ：agent(abstract)；agentic(abstract)；分类 cs.CL
AI总结 本文在统一框架下系统比较了多种记忆方法，设计出优于现有方法的新方法，并探讨了未来研究方向。
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
PMMC: Prospective Multimodal Memory Compilation for Long-Term LVLM Agents
PMMC：面向长期LVLM智能体的前瞻性多模态记忆编译
专题命中 记忆与上下文管理 ：agent(abstract)；planning(abstract)；分类 cs.AI
AI总结 针对现有LVLM智能体记忆系统的缺陷，提出PMMC框架，将部分记忆推理移至整合阶段，构建结构化问题库，提升答案质量与证据召回率，降低查询成本。
Training Skills Like Parameters via Self-Supervised Semantic Diffusion
通过自监督语义扩散将技能像参数一样训练
机构 * Tsinghua University（清华大学） ； Shanghai AI Laboratory（上海人工智能实验室） ； The Hong Kong University of Science and Technology（香港科技大学）
专题命中 记忆与上下文管理 ：agent(abstract)；agentic(abstract)；分类 cs.CL
AI总结 该研究提出受扩散模型启发的无监督自进化智能体框架，通过自监督信号更新外部文本技能库，提升了智能体在短剧剧本创作领域的生成能力。
Comments Preprint, work in progress
Beyond Memory: A Templated Substrate for Heterogeneous Collaborative Knowledge Work with LLM Agents
超越记忆：一种用于异构协作知识工作的带大语言模型代理的模板化基础架构
机构 * University of Notre Dame（圣母大学）
专题命中 记忆与上下文管理 ：agent(abstract)；multi-agent(abstract)；分类 cs.AI
AI总结 研究指出知识工作成果难传承，大语言模型代理无持久记忆。提出llm-wiki-memory-template，它是异构协作知识工作基础架构，沿多人类、多代理、多领域三个轴，通过案例研究展示其能保留失败路径等，解决负面结果丢失问题。
Comments 15 pages, 3 figures, 1 table
Agents Don't Just Agree, They Remember: Benchmarking Persistent Sycophancy in Stateful Personal Agents
智能体不仅会认同，还会记忆：对有状态个人智能体中持续谄媚行为的基准测试
机构 * City University of Hong Kong（香港城市大学） ； ByteDance（字节跳动） ； Yale University（耶鲁大学） ； Fudan University（复旦大学） ； Hong Kong Baptist University（香港浸会大学） ； Dalian University of Technology（大连理工大学）
专题命中 记忆与上下文管理 ：agent(abstract,abstract_cn)；分类 cs.AI
AI总结 研究有状态个人智能体中的持续谄媚行为，引入PASB基准测试，评估真实智能体。通过特定方法隔离写入过程，发现提交边界是关键转折点，提交声明有三种模式，表明智能体谄媚行为是状态写入治理问题，PASB确定相关写入时控制。
Competitive and Complementary Tools
竞争与互补工具
机构 * Santa Fe Institute（圣菲研究所）
专题命中 记忆与上下文管理 ：agent(abstract)；agentic(abstract)；分类 cs.AI
AI总结 研究人类将思维外化于工具的现象，把智能体、工具和任务建模为动力系统，探讨能力与依赖的共同进化及双稳态，经多数据集测试，结果重塑了工具构建、人工智能部署及抗工具教育的方式。
PM-Bench: Evaluating Prospective Memory in LLM Agents
PM-Bench：评估大语言模型智能体中的前瞻记忆
机构 * University of California, Los Angeles（加利福尼亚大学洛杉矶分校）
专题命中 记忆与上下文管理 ：agent(abstract)；agentic(abstract)；分类 cs.AI
AI总结 研究针对智能体人工智能中的前瞻记忆挑战，引入PM-Bench基准，受认知科学启发评估大语言模型智能体相关能力。在模拟一周内比较八个先进模型，发现各模型在此基准测试中均具挑战性，且无单一改善策略占优，还发布该基准用于诊断与干预。
Comments Published as a conference paper at COLM 2026
ToolAtlas: Learning Once, Reusing Everywhere with Tool-Side Memory
ToolAtlas：通过工具端内存实现一次学习、处处复用
机构 * School of Computer Science, Peking University（北京大学计算机科学学院） ； Microsoft（微软）
专题命中 记忆与上下文管理 ：agent(abstract)；tool use(abstract)；分类 cs.LG
AI总结 研究针对大语言模型代理依赖外部工具时工具知识难共享问题，提出ToolAtlas框架，通过执行验证探测构建提供商端工具内存，经实验证明该框架能有效提升性能且可跨环境和框架复用，确立了提供商端工具内存范式。
SMetric: Rethink LLM Scheduling for Serving Agents with Balanced Session-centric Scheduling
SMetric：以平衡的会话中心调度重新思考面向服务代理的大语言模型调度
机构 * Institute of Parallel and Distributed Systems, Shanghai Jiao Tong University（并行与分布式系统研究所，上海交通大学） ； Alibaba Group（阿里巴巴集团）
专题命中 记忆与上下文管理 ：agent(abstract)；agentic(abstract)；分类 cs.AI
AI总结 研究代理服务中LLM调度问题，提出基于全局层KV存储和会话内局部性的见解，设计SMetric平衡会话中心调度，相比先进调度器提升集群TPS及预填充TPS，降低每个令牌延迟。
When Claws Remember but Do Not Tell: Stealthy Memory Injection in Persistent Personal Agents
当智能体的记忆留存却不外露：持久化个人智能体中的隐秘内存注入攻击
机构 * Nanyang Technological University（南洋理工大学） ； CFAR, A*STAR（CFAR，A*STAR） ； Johns Hopkins University（约翰霍普金斯大学）
专题命中 记忆与上下文管理 ：agent(abstract)；workflow(abstract)；分类 cs.AI
AI总结 针对持久化个人智能体的隐秘内存注入威胁，构建多场景基准测试集WhisperBench，提出单次邮件投送的黑盒攻击框架MemGhost，可跨架构、跨防御实现高成功率的长期智能体入侵。
Comments 25 pages, 8 figures. Preprint
ACE: Pluggable Adaptive Context Elasticizer across Agents
ACE: 跨智能体的可插拔自适应上下文弹性化器
机构 * Meituan（美团） ； Shanghai Jiao Tong University（上海交通大学）
专题命中 记忆与上下文管理 ：agent(abstract)；agentic(abstract)；分类 cs.AI
AI总结 提出ACE模块，通过无损消息存储和自适应上下文编排，实现历史步骤信息的弹性化处理，在多种智能体框架中优于截断和摘要方法。
Fox in the Henhouse: Supply-Chain Backdoor Attacks Against Reinforcement Learning
狐狸进鸡窝：针对强化学习的供应链后门攻击
机构 * School of Computing and Information Systems, University of Melbourne, Parkville, Australia（墨尔本大学计算机与信息系统学院，墨尔本，澳大利亚）
专题命中 记忆与上下文管理 ：agent(abstract)；workflow(abstract)；分类 cs.LG
AI总结 提出SCAB攻击，通过污染仅3%的训练经验即可激活超过90%的触发动作，使受害者平均每轮回报降低80%，揭示了强化学习供应链中的后门攻击风险。
Comments Forty-Third International Conference on Machine Learning (ICML2026)
Quantifying Theoretical AI Alignment Guarantees: Receiver-Utility Bounds in Bayesian Persuasion
量化理论上的AI对齐保证：贝叶斯说服中的接收者效用界
机构 * Cornell University（康奈尔大学）
专题命中 记忆与上下文管理 ：agent(abstract)；AI agent(abstract)；分类 cs.AI
AI总结 通过贝叶斯说服模型，研究AI发送者优化错位目标时，人类接收者仍能获得多少有用信息，证明接收者效用比不超过3/2，并给出紧性下界。
Comments 12 pages, EC 2026 Poster and EC 2026 Incentive-Based AI Alignment Workshop Poster
From Untrusted Input to Trusted Memory: A Systematic Study of Memory Poisoning Attacks in LLM Agents
从不可信输入到可信内存：LLM智能体中内存投毒攻击的系统研究
机构 * University of California, Berkeley（加州大学伯克利分校）
专题命中 记忆与上下文管理 ：agent(abstract)；AI agent(abstract)；分类 cs.AI
AI总结 本文系统研究了基于LLM的智能体中的内存投毒攻击，识别了四种内存写入通道和九种结构漏洞，提出了六类攻击的分类法，并设计了评估基准MPBench，发现更积极读写内存的智能体更易被利用，且现有提示注入防御无法覆盖内存投毒攻击。
GIST-CMTF: Goal-State Inference for Causal Minimal Tool Filtering in LLM Agents
GIST-CMTF：LLM代理中因果最小工具过滤的目标状态推断
机构 * Rahul Suresh Babu ； Rohit Shukla
专题命中 记忆与上下文管理 ：agent(abstract)；tool-use(abstract)；分类 cs.AI
AI总结 提出GIST-CMTF层，通过预测候选符号目标状态并估计歧义性，解决工具增强LLM代理因用户请求多义性导致的错误目标执行问题，在120个任务上达到97.0%成功率。
Reducing Token Usage of State-in-Context Agents using Minification
通过精简减少上下文状态智能体的令牌使用
专题命中 记忆与上下文管理 ：agent(abstract,abstract_cn)；分类 cs.SE
AI总结 本文复制并扩展了上下文状态智能体框架，通过代码精简技术减少输入令牌使用，在SWE-bench Verified基准上平均减少42%令牌，分辨率下降12个百分点。
Journal ref 2026 34th IEEE/ACM International Conference on Program Comprehension (ICPC 2026)
PISA: A Pragmatic Psych-Inspired Unified Memory System for Enhanced AI Agency
PISA：一种增强AI能动性的实用心理学启发统一记忆系统
机构 * Zhejiang University（浙江大学）
专题命中 记忆与上下文管理 ：agent(abstract)；AI agent(abstract)；分类 cs.AI
AI总结 受皮亚杰认知发展理论启发，提出PISA统一记忆系统，通过三模态适应机制（模式更新、演化、创建）和混合记忆访问架构，显著提升AI代理的适应性和长期知识保留。
MASS: Deep Research for Social Sciences with Memory-Augmented Social Simulation
MASS：基于记忆增强社会模拟的深度社会科学研究
机构 * The International Joint Institute of Tianjin University, Fuzhou, Tianjin University, China（天津大学福州国际联合学院） ； TJUNLP Lab, School of Computer Science and Technology, Tianjin University, China（天津大学计算机科学与技术学院TJUNLP实验室）
专题命中 记忆与上下文管理 ：agent(abstract)；planning(abstract)；分类 cs.AI
AI总结 提出MASS范式，通过动态目标路径规划、多学科行为数据集和艾宾浩斯遗忘机制增强社会模拟真实性，提升LLM生成研究的洞察力与创新性，整体质量提升6.81%，洞察力提升17.19%。
Reflection in the Dark: Exposing and Escaping the Black Box in Reflective Prompt Optimization
暗箱中的反射：在反射提示优化中揭示并逃离黑箱
机构 * University of California, Berkeley（加州大学伯克利分校） ； Huazhong University of Science and Technology（华中科技大学） ； Hefei University of Technology（合肥工业大学）
专题命中 记忆与上下文管理 ：agent(abstract)；multi-agent(abstract)；分类 cs.AI
AI总结 本文提出VISTA框架，通过解耦假设生成与提示重写，实现可解释的提示优化，有效解决GEPA在缺陷种子下的性能下降问题。
Comments Accepted at ACL SRW 2026
AdMem: Advanced Memory for Task-solving Agents
AdMem: 面向任务求解智能体的高级记忆
机构 * Princeton University（普林斯顿大学） ； Amazon（亚马逊） ； Arm
专题命中 记忆与上下文管理 ：agent(abstract)；multi-agent(abstract)；分类 cs.AI
AI总结 提出一种统一自动记忆框架，集成语义、情节和程序记忆，通过双层级设计和多智能体架构实现自动生成、奖励标注与自适应检索，提升长程多轮任务的鲁棒性和成功率。
AdaMEM: Test-Time Adaptive Memory for Language Agents
AdaMEM：语言代理的测试时自适应记忆
机构 * Yunxiang Zhang（张 Yunxiang） ； Yiheng Li（李 Yiheng） ； Ali Payani（Payani Ali） ； Lu Wang（王 Lu）
专题命中 记忆与上下文管理 ：agent(abstract)；agentic(abstract)；分类 cs.AI
AI总结 提出AdaMEM框架，通过混合记忆架构（长期轨迹记忆+动态短期策略记忆）实现测试时自适应，无需在线更新参数，在ALFWorld、WebShop等任务上显著优于静态记忆基线。
Comments ICML 2026
Scaling Self-Evolving Agents via Parametric Memory
通过参数化内存扩展自进化智能体
机构 * Alibaba Group（阿里巴巴集团） ； Peking University（北京大学）
专题命中 记忆与上下文管理 ：agent(abstract)；agentic(abstract)；分类 cs.AI
AI总结 提出TMEM框架，通过在线更新LoRA权重使智能体从经验中学习，从而在单轮交互中改变未来行为，并在多个基准上优于基于摘要和检索的方法。
Expanding the Active Inference Landscape: More Intrinsic Motivations in the Perception-Action Loop
拓展主动推断领域：感知-动作循环中的更多内在动机
机构 * Araya Inc.（Araya公司） ； Computational Creativity Group, Department of Computing, Goldsmiths, University of London（Goldsmiths大学计算创意小组） ； Game Innovation Lab, Department of Computer Science and Engineering, New York University（纽约大学游戏创新实验室） ； Sepia Lab, Adaptive Systems Research Group, Department of Computer Science, University of Hertfordshire（赫特福德大学计算机科学系Sepia实验室） ； Institute of Perception, Action and Behaviour, School of Informatics, The University of Edinburgh（爱丁堡大学信息学院感知、行为与行为研究所）
专题命中 记忆与上下文管理 ：agent(abstract)；autonomous agent(abstract)；分类 cs.AI
AI总结 本文探讨主动推断中是否可利用其他内在动机替代原有动机，同时保持核心机制，并通过形式化方法连接通用强化学习。
Comments 53 pages, 6 figures, 2 tables
ESBMC: A Survey of Its Evolution, Integration, and Future Directions in Formal Software Verification
ESBMC：形式化软件验证的演化、集成与未来方向综述
专题命中 记忆与上下文管理 ：AI agent(abstract)；agentic(abstract)；分类 cs.SE
AI总结 本文综述了ESBMC从研究原型发展为工业级形式化验证平台的过程，涵盖其技术演进、语言支持扩展、与LLM及AI代理的集成，并总结了其获奖、经济影响及未来挑战。
Comments 42 pages
LRAgent: Efficient KV Cache Sharing for Multi-LoRA LLM Agents
LRAgent: 面向多LoRA LLM代理的高效KV缓存共享
机构 * KAIST（韩国科学技术院）
专题命中 记忆与上下文管理 ：agent(abstract)；agentic(abstract)；分类 cs.LG
AI总结 针对多LoRA代理系统中每个代理独立存储相同长轨迹的KV缓存导致内存和计算开销大的问题，提出LRAgent框架，通过将缓存分解为共享基座部分和适配器依赖部分，并利用共享A的多LoRA架构和Flash-LoRA-Attention内核，实现高效共享，在保持精度的同时显著降低开销。
Comments 25 pages, 10 figures, 22 tables
Journal ref ICML 2026 Poster
ExpGraph: Model-Agnostic Experience Learning with Graph-Structured Memory for LLM Agents
ExpGraph: 面向LLM智能体的模型无关经验学习与图结构记忆
机构 * University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校） ； Nanyang Technological University（南洋理工大学） ； Meta Monetization AI（Meta 营收人工智能）
专题命中 记忆与上下文管理 ：tool use(abstract)；agentic(abstract)；分类 cs.CL
AI总结 提出ExpGraph框架，通过图结构记忆和强化学习实现冻结LLM执行器的外部经验复用，在问答、数学推理、代码生成和多步智能体任务上显著提升性能并减少交互步骤。
Plant, Persist, Trigger: Sleeper Attack on Large Language Model Agents
种植、持久化、触发：针对大语言模型智能体的潜伏攻击
机构 * University of Science and Technology of China（中国科学技术大学） ； National University of Singapore（新加坡国立大学） ； Singapore Management University（新加坡管理学院） ； Shanghai Artificial Intelligence Laboratory（上海人工智能实验室）
专题命中 记忆与上下文管理 ：agent(abstract)；agentic(abstract)；分类 cs.AI
AI总结 提出潜伏攻击（Sleeper Attack），即攻击者将对抗性内容注入智能体状态并持久化，在后续交互中被良性用户查询触发，导致有害行为；构建包含1896个实例的基准测试，实验表明当前最强LLM智能体仍易受此类攻击。
Memory-Induced Supra-Competitive Outcomes Between Deep Reinforcement Learning Agents in Optimal Trade Execution
记忆诱导的深度强化学习代理在最优交易执行中的超竞争性结果
机构 * Institute of Finance and Technology, University College London（金融与技术研究所，伦敦大学学院） ； UZH Blockchain Center（苏黎世大学区块链中心）
专题命中 记忆与上下文管理 ：agent(abstract)；multi-agent(abstract)；分类 cs.AI
AI总结 本文研究了在共享的最优执行环境中交互的深度强化学习代理是否能维持超竞争性结果，即在实现短损方面优于博弈论竞争基准。研究了一个双代理阿尔梅伦-克里斯特流动性清算游戏，并探讨了学习行为如何依赖于回合内环境反馈、解读中间价格的能力以及代理对过去的了解。我们首先使用事前调度学习代理来去除回合内反馈，以确定当代理在执行开始前承诺完成清算轨迹时会发生什么。然后允许代理使用多种DDQN架构根据演进的状态进行条件判断。我们发现，当代理能够访问回合内历史，特别是近期价格和自身过去行为时，超竞争性结果变得更加频繁和持久。这些发现表明，这种执行游戏中的超竞争性行为并非由多代理学习或当前价格观察单独驱动，而是由反馈、记忆和沿实际执行路径的状态依赖性交互驱动。
NeuSymMS: A Hybrid Neuro-Symbolic Memory System for Persistent, Self-Curating LLM Agents
NeuSymMS：一种混合神经符号记忆系统，用于持久、自管理的LLM代理
机构 * iVedha Corporation（iVedha公司） ； MLSoft Inc.（MLSoft公司）
专题命中 记忆与上下文管理 ：agent(abstract)；agentic(abstract)；分类 cs.AI
AI总结 NeuSymMS通过混合神经符号架构，使LLM代理能够在多个会话中学习、记忆和推理用户信息，其核心方法是结合神经网络的事实提取和基于CLIPS的专家系统，主要贡献是提出了一个支持自管理记忆的双视野记忆模型。
Comments 7 pages
Auto-Dreamer: Learning Offline Memory Consolidation for Language Agents
Auto-Dreamer：学习离线记忆巩固用于语言智能体
机构 * University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校） ； University of California San Diego（加州大学圣地亚哥分校）
专题命中 记忆与上下文管理 ：agent(abstract)；tool-use(abstract)；分类 cs.CL
AI总结 本文提出Auto-Dreamer，一种学习离线记忆巩固方法，用于语言智能体，通过分离快速会话记忆获取与慢速跨会话巩固过程，提升智能体在多个任务流中的记忆整合与知识复用能力。
Comments Preprint
