AI Agent

Verified residual-specific explicit derivative kernels for physics-informed learning and discretized PDE adjoints

用于物理信息学习和离散化PDE伴随的验证残差特定显式导数核

Wenbo Cao, Zhe Lu, Weiwei Zhang

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

AI总结 提出基于智能体辅助实现和严格数值验证的残差特定显式微分（ED）方法，用于物理信息神经网络（PINNs）和离散化PDE伴随，相比自动微分实现2-4倍加速并降低内存。

Supersede: Diagnosing and Training the Memory-Update Gap in LLM Agents

Supersede: 诊断和训练LLM智能体中的记忆更新差距

Vedant Patel

机构 * Vrin ； Prime Intellect Hub 纠错

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

AI总结 本文发现LLM智能体在长对话中无法有效更新事实（如用户搬家、价格变动），导致准确率从92%降至77%，并证明该差距源于记忆维护而非理解，且无法通过扩大记忆解决；为此提出Supersede强化学习环境，通过GRPO微调将小模型在真实对话中的更新准确率从9.0%提升至16.7%。

Comments 11 pages, 4 figures, 3 tables. Code, environment, model, and dataset: https://github.com/Vrin-cloud/supersede

Explainable AI for Next-Generation Wireless Physical Layer: Basics, State-of-the-Art, and Open Challenges

下一代无线物理层的可解释人工智能：基础、最新进展与开放挑战

Bingnan Xiao, Shuyan Hu, Xiaojing Chen, Zhiyuan Zhai, Bingcong Li, Wei Ni, Xin Wang, Ekram Hossain

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

AI总结 本文综述了无线物理层中可解释人工智能（XAI）的应用，提出了面向责任的目标，建立了系统分类法，并讨论了可解释性-性能权衡等开放挑战。

Comments 30 pages, 11 figures

MemRerank: Preference Memory for Personalized Product Reranking

MemRerank：用于个性化产品重排序的偏好记忆

Zhiyuan Peng, Xuyang Wu, Huaixiao Tou, Yi Fang, Yu Gong

机构 * Santa Clara University（圣克拉拉大学） ； Independent Researcher（独立研究者） 纠错

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

AI总结 提出MemRerank框架，通过强化学习将用户购买历史提炼为查询无关的偏好记忆，用于LLM购物代理的个性化重排序，在1-in-5选择任务中准确率提升高达10.61个百分点。

Comments correct author name in metadata

Branch-and-Browse: Efficient and Controllable Web Exploration with Tree-Structured Reasoning and Action Memory

Branch-and-Browse：具有树状推理与动作记忆的高效可控网页探索

Shiqi He, Yue Cui, Xinyu Ma, Yaliang Li, Bolin Ding, Mosharaf Chowdhury

机构 * University of Michigan（密歇根大学） ； Alibaba Group（阿里巴巴集团） ； McMaster University（麦马斯特大学） 纠错

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

AI总结 提出Branch-and-Browse框架，通过树状结构化推理、网页状态重放和页面动作记忆，实现LLM网页代理的高效可控多分支探索，在WebArena上成功率35.8%，执行时间降低40.4%。

From Newtonian to Relativistic IAM: The Autonomous Principal as Reference Frame for Digital Identity

从牛顿到相对论IAM：自主主体作为数字身份参考框架

Philippe Page, Robert Mitwicki, Michal Pietrus

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

AI总结 本文通过物理类比论证，在分布式信息系统中，自主主体是因果一致性的必然结果，而非规范偏好，并展示了自2023年以来实现该观点的技术及其对跨境数据流和代理系统的影响。

Comments 30 pages, 3 figures

Diffusion approximations for interacting stochastic systems with reflection and control

具有反射和控制的交互随机系统的扩散近似

Thoa Thieu, Roderick Melnik

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

AI总结 研究一类具有反射和控制的交互随机系统的扩散近似，通过扩散缩放建立到Ornstein-Uhlenbeck型反射随机微分方程组的分布收敛，并用数值例子展示在人群动力学和神经群体动力学中的应用。

Comments 21 pages, 2 figures

AerialClaw: An Open-Source Framework for LLM-Driven Autonomous Aerial Agents

AerialClaw：一个用于LLM驱动的自主空中智能体的开源框架

Ke Li, Jianfei Yang, Luyao Zhang, Guo Yu, Chengwei Yan, Yuan Ding, Di Wang, Nan Luo, Gang Liu, Xiao Gao, Quan Wang

机构 * Xidian University（西安电子科技大学） ； Xi'an University of Architecture and Technology（西安建筑科技大学） 纠错

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

AI总结 提出AerialClaw开源框架，采用模块化脑-技能-运行时架构，使基于LLM的智能体能够理解自然语言任务、调用空中技能、闭环决策，提升无人机系统的灵活性、可复现性和可扩展性。

From Volume to Value: Preference-Aligned Memory Construction for On-Device RAG

从体积到价值：面向设备端RAG的偏好对齐记忆构建

Changmin Lee, Jaemin Kim, Taesik Gong

机构 * Department of Computer Science and Engineering, Ulsan National Institute of Science and Technology (UNIST), Ulsan, Republic of Korea（计算机科学与工程系，全州国立科学与技术研究所（UNIST），全州，韩国） 纠错

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

AI总结 本文提出EPIC方法，通过将用户偏好作为紧凑且稳定的个人上下文形式，整合到RAG流程中，以在有限内存下提高检索与用户偏好的对齐度，从而减少内存使用并提升准确性。

Comments Accepted to ICML 2026. Code and data are available at https://github.com/UbiquitousAILab/EPIC

DIVERGE: Diversity-Enhanced RAG for Open-Ended Information Seeking

DIVERGE: 面向开放式信息检索的多样性增强RAG

Tianyi Hu, Niket Tandon, Akhil Arora

机构 * Aarhus University（奥胡斯大学） ； Microsoft Research（微软研究院） 纠错

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

AI总结 针对现有RAG系统忽略开放式信息检索中多样性需求的问题，提出Diverge框架，通过迭代反思引导的多样化视角探索和多样性感知检索支持，在保持质量的同时将多样性提升约2倍。

From Storage to Steering: Memory Control Flow Attacks on LLM Agents

从存储到操控：针对LLM代理的内存控制流攻击

Zhenlin Xu, Xiaogang Zhu, Yu Yao, Minhui Xue, Yiliao Song

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

AI总结 本文研究了内存控制流攻击对LLM代理的影响，提出MEMFLOW框架以系统识别和量化此类攻击，发现超过90%的测试在严格安全约束下仍易受攻击，揭示了严重的安全风险。

Anomalous Diffusion and Emergent Universality in Coupled Memory-Driven Systems

异常扩散与耦合记忆驱动系统中的涌现普遍性

Nick Dashti, M. N. Najafi, Debra J. Searles

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

AI总结 研究探讨了简单局部相互作用如何产生涌现探索模式，提出耦合记忆驱动系统模型，揭示了异常扩散、非高斯分布及压缩指数相遇统计等新普遍性类别。

Comments 24 pages including 7 figures and 2 tables; and 7 additional pages of supplementary information. In this revision the content and discussion has been extended. The title and abstract have been changed to be more aligned to the new content

Journal ref J. Stat. Mech. (2026) 023215

ABBEL: Learning Natural-Language Belief States for Memory-Efficient Interaction

ABBEL: 为高效交互学习自然语言信念状态

Aly Lidayan, Jakob Bjorner, Satvik Golechha, Kartik Goyal, Alane Suhr

机构 * University of California, Berkeley（加州大学伯克利分校） ； Georgia Institute of Technology（佐治亚理工学院） 纠错

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

AI总结 本文提出ABBEL框架，通过显式自然语言信念状态直接监督每个摘要的信息内容，以解决传统方法在生成摘要时信息丢失或更新错误的问题，从而在保持高效内存使用的同时提升交互性能。

$ε$-Nash Equilibria for Major Minor LQG Mean Field Games with Partial Observations of All Agents

$ε$-Nash Equilibria for Major Minor LQG Mean Field Games with Partial Observations of All Agents

Dena Firoozi, Peter E. Caines

专题命中 记忆与上下文管理 ：agent(abstract,abstract_cn)

AI总结 本文研究了在所有智能体都有部分观测情况下的主要-次要线性二次博弈系统，通过分离原理建立了无限次LQG MFG系统的$ε$-Nash均衡的存在性及个体智能体的控制律。

Comments To appear in the IEEE Transactions on Automatic Control

A Simple Framework for Stability Analysis of State-Dependent Networks of Heterogeneous Agents

一种用于异质代理状态依赖网络稳定性分析的简单框架

S. Rasoul Etesami

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

AI总结 本文提出了一种简单框架，用于分析在复杂时变环境中异质代理动态网络的稳定性，通过Lyapunov稳定性方法解决了意见动态中的挑战性问题，并引入了最近邻动态作为非对称意见动态的新类别。

Should I State or Should I Show? Aligning AI with Human Preferences

我应该陈述还是展示？使AI与人类偏好对齐

Keaton Ellis, Wanying Huang

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

AI总结 通过在线实验比较AI代理从陈述偏好（文字提示）和显示偏好（选择数据）中学习人类偏好的效果，发现显示偏好数据预测更准确，但用户常选择信息量较少的方式，且AI在冲突时更倾向于遵循提示。

PersonaAgent: Bridging Memory and Action for Personalized LLM Agents

PersonaAgent：弥合个性化LLM智能体的记忆与行动

Weizhi Zhang, Xinyang Zhang, Chenwei Zhang, Liangwei Yang, Jingbo Shang, Zhepei Wei, Henry Peng Zou, Zijie Huang, Zhengyang Wang, Yifan Gao, Xiaoman Pan, Lian Xiong, Jingguo Liu, Philip S. Yu, Xian Li

机构 * Amazon Stores Foundational AI（亚马逊基础AI） 纠错

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

AI总结 提出PersonaAgent框架，通过整合个性化记忆模块（情景与语义记忆）和行动模块，并利用角色提示作为中介实现记忆与行动的协同，以解决LLM智能体的个性化任务。

Comments Accepted in ACL 2026

Rethinking Memory as Continuously Evolving Connectivity

重新思考记忆作为持续演化的连接性

Jizhan Fang, Buqiang Xu, Zhixian Wang, Haoliang Cao, Xinle Deng, Baohua Dong, Hangcheng Zhu, Ruohui Huang, Gang Yu, Ying Wei, Guozhou Zheng, Feiyu Xiong, Haofen Wang, Huajun Chen, Ningyu Zhang

机构 * Zhejiang University（浙江大学） ； Alibaba Group（阿里巴巴集团） ； MemTensor ； Tongji University（同济大学） 纠错

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

AI总结 提出 FluxMem 框架，将记忆建模为异构图并通过三个阶段（初始连接形成、反馈驱动优化、长期巩固）动态演化拓扑结构，以解决现有记忆增强型 LLM 代理在动态环境中的脆弱性问题。

Comments Ongoing work

MemSkill: Learning and Evolving Memory Skills for Self-Evolving Agents

MemSkill：面向自进化智能体的可学习与进化记忆技能

Haozhen Zhang, Quanyu Long, Jianzhu Bao, Tao Feng, Weizhi Zhang, Haodong Yue, Wenya Wang

机构 * Nanyang Technological University（南洋理工大学） ； University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校） ； University of Illinois Chicago（伊利诺伊大学芝加哥分校） ； Tsinghua University（清华大学） 纠错

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

AI总结 提出MemSkill框架，将记忆操作转化为可学习和可进化的技能，通过控制器选择技能、执行器生成记忆、设计者进化技能集，形成闭环提升LLM智能体任务性能。

Comments Code is available at https://github.com/ViktorAxelsen/MemSkill

DeferMem: Query-Time Evidence Distillation via Reinforcement Learning for Long-Term Memory QA

DeferMem: 通过强化学习进行长时记忆问答的查询时证据蒸馏

Jianing Yin, Tan Tang

机构 * State Key Lab of CAD&CG（计算机辅助设计与图形学国家重点实验室） 纠错

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

AI总结 本文提出DeferMem，一种长时记忆框架，通过分离问题为高召回候选检索和查询条件证据蒸馏，以提升长时记忆问答的准确性和效率。

Comments 31 pages, 3 figures

ParaCell: Paravirtualized Secure Containers with Lightweight Intra-Container Isolation and Intent-Driven Memory Management

ParaCell: 基于轻量级容器内隔离和意图驱动内存管理的虚拟化安全容器

Yiyang Wu, Xunjie Wang, Jinyu Gu, Haibo Chen

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

AI总结 ParaCell通过引入轻量级容器内隔离和意图驱动内存管理，解决了传统容器系统中隔离与性能之间的根本性权衡问题，提升了容器运行效率和内存弹性。

On the limits and opportunities of AI reviewers: Reviewing the reviews of Nature-family papers with 45 expert scientists

人工智能审稿人的局限与机遇：对Nature系列论文审稿的45位专家科学家的审查

Seungone Kim, Dongkeun Yoon, Kiril Gashteovski, Juyoung Suk, Jinheon Baek, Pranjal Aggarwal, Ian Wu, Viktor Zaverkin, Spase Petkoski, Daniel R. Schrider, Ilija Dukovski, Francesco Santini, Biljana Mitreska, Yong Jeong, Kyeongha Kwon, Young Min Sim, Dragana Manasova, Arthur Porto, Biljana Mojsoska, Makoto Takamoto, Marko Shuntov, Ruoqi Liu, Hyunjoo Jenny Lee, Niyazi Ulas Dinç, Yehhyun Jo, Sunkyu Han, Chungwoo Lee, Huishan Li, Esther H. R. Tsai, Ergun Simsek, Khushboo Shafi, Yeonseung Chung, Jihye Park, Aleksandar Shulevski, Henrik Christiansen, Yoosang Son, Elly Knight, Amanda Montoya, Jeongyoun Ahn, Christian Langkammer, Heera Moon, Changwon Yoon, Nikola Stikov, Mooseok Jang, Edward Choi, Junhan Kim, Yeon Sik Jung, Woo Youn Kim, Jae Kyoung Kim, Ishraq Md Anjum, Hyun Uk Kim, Drew Bridges, Carolin Lawrence, Xiang Yue, Alice Oh, Akari Asai, Sean Welleck, Graham Neubig

机构 * Nature（自然） 纠错

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

AI总结 本文通过大规模专家标注研究，探讨了AI审稿人在科学同行评审中的能力与局限，发现AI审稿在准确性、显著性和证据充分性方面表现优异，但存在领域知识有限、上下文管理不足等弱点，表明AI审稿是人类审稿的补充而非替代。

Comments Work in progress

RecMem: Recurrence-based Memory Consolidation for Efficient and Effective Long-Running LLM Agents

RecMem：基于递归的记忆巩固用于高效且有效的长运行LLM代理

Zijie Dai, Shiyuan Deng, Sheng Guan, Yizhou Tian, Xin Yao, Xiao Yan, James Cheng

机构 * Department of Computer Science and Engineering, The Chinese University of Hong Kong（香港中文大学计算机科学与工程系） ； School of Computer Science, Beijing University of Posts and Telecommunications（北京邮电大学计算机学院） ； Huawei Cloud（华为云） ； Huawei Theory Lab（华为理论实验室） ； Institute for Math and AI, Wuhan University（武汉大学数学与人工智能研究院） 纠错

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

AI总结 RecMem通过递归机制优化内存巩固，减少token消耗并提升准确性，有效解决长运行LLM代理的内存管理问题。

Comments Accepted to ACL 2026 Findings

SmartWalkCoach: An AI Companion for End-to-End Walking Guidance, Motivation, and Reflection

SmartWalkCoach: 一种面向全程步行引导、激励与反思的AI伴侣

Xianzhe Zhang, Mingxuan Hu, Bufan Xue, Erick Purwanto, Thomas J Selig, Daniel Yonto

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

AI总结 本文提出SmartWalkCoach，通过整合地理、陪伴和总结三个轻量级代理，降低步行规划的认知负荷，提升步行过程中的参与度与动机，通过动态干预改善用户感受和体验。

Comments 15 pages, 2 figures, to be presented to ACM IUI 2026

EconAI: Dynamic Persona Evolution and Memory-Aware Agents in Evolving Economic Environments

EconAI：动态身份演变与记忆感知代理在演变经济环境中的应用

Annie Liu, Zane Cao, Lang Chen, Zongxin Xu, Zigan Wang

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

AI总结 本文提出EconAI框架，通过经济情绪指数、记忆加权和动态决策机制，提升经济模拟的适应性和真实性，实现宏观与微观经济环境的统一模拟。

Are LLM Agents Behaviorally Coherent? Latent Profiles for Social Simulation

LLM代理行为是否一致？用于社交模拟的潜在特征

James Mooney, Josef Woldense, Zheng Robert Jia, Shirley Anugrah Hayati, My Ha Nguyen, Vipul Raheja, Dongyeop Kang

机构 * Department of Computer Science and Engineering, University of Minnesota（明尼苏达大学计算机科学与工程系） ； Department of African American & African Studies, University of Minnesota（明尼苏达大学非裔美国人与非洲研究系） ； Department of Sociology, University of Chicago（芝加哥大学社会学系） 纠错

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

AI总结 本文研究LLM代理在不同实验环境下是否保持经验一致性，通过揭示代理的潜在特征来检验其行为一致性，发现不同模型家族和大小的LLM存在显著不一致。

Comments 25 pages, 9 figures, 7 tables

Detecting Clinical Discrepancies in Health Coaching Agents: A Dual-Stream Memory and Reconciliation Architecture

在健康教练代理中检测临床差异：一种双流记忆与协调架构

Samuel L Pugh, Eric Yang, Alexander Muir Sutherland, Alessandra Breschi

机构 * Verily Health Inc（Verily健康公司） 纠错

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

AI总结 本文提出双流记忆与协调架构，用于检测健康教练代理中的临床差异，通过验证患者报告与临床记录以确保安全部署。

R$^3$-SQL: Ranking Reward and Resampling for Text-to-SQL

R³-SQL：基于排名奖励和重采样的文本到SQL

Hojae Han, Yeonseok Jeong, Seung-won Hwang, Zhewei Yao, Yuxiong He

机构 * ETRI（电子科技大学） ； Seoul National University（首尔国立大学） ； Snowflake AI Research（Snowflake人工智能研究） 纠错

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

AI总结 R³-SQL通过统一奖励和重采样解决文本到SQL中排名不一致和正确SQL缺失的问题，提升了执行准确率。

Comments Accepted by Findings of ACL 2026

Projected Dynamic Programming for Sequential Quantum State Discrimination

投影动态规划用于顺序量子态辨识

Jaehun Jeong, Donghwa Ji, Hyunjun Jang, Kabgyun Jeong

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

AI总结 本文将顺序量子态辨识问题建模为静态隐藏状态部分可观测马尔可夫决策过程，通过网格离散化连续信念单纯形并分析误差和计算复杂性，验证了量子领域中的精度与复杂性权衡及维度诅咒。

Comments 54 pages, 18 figures

DarwinTOD: LLM-driven Lifelong Self-evolution for Task-oriented Dialog Systems

DarwinTOD: 基于LLM的持续自我进化任务导向对话系统

Shuyu Zhang, Yujie Liu, Xinru Wang, Cheng Zhang, Yanmin Zhu, Bin Li

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

AI总结 DarwinTOD通过整合进化计算与LLM驱动的自我改进，提出一种持续自我进化对话框架，实现零样本基础下的持续策略优化，无需任务特定微调。

Comments Accepted in ACL2026 main