AI Agent

AutoMem: Automated Learning of Memory as a Cognitive Skill

AutoMem：自动化学习记忆作为认知技能

Shengguang Wu, Hao Zhu, Yuhui Zhang, Xiaohan Wang, Serena Yeung-Levy

机构 * Stanford University（斯坦福大学） 纠错

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

Yujin Tang, Chenming Shang, Ruize Xu, Nikhil Singh

机构 * Dartmouth College（达特茅斯学院） 纠错

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

Jesper Klicks, Sander Vržina, Vincent François-Lavet

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

Yuxin Wang, Paul Thomas, Zhiwei Yu, Yuan Gao, Saeed Hassanpour, Soroush Vosoughi, Robert Sim, Nick Craswell

机构 * Dartmouth College（达特茅斯学院） ； Microsoft（微软公司） 纠错

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

Sajib Debnath, Remon Das

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） 纠错

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

Aman Mehta, Anupam Datta

机构 * Snowflake AI Research（Snowflake AI研究） 纠错

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

Tuomo Kiiskinen, Jason Fries, Philip Adamson, David Wu, Timothy John Ellis-Caleo, Aaron Fanous, Balasubramanian Narasimhan, Joel Neal, Sylvia Plevritis, Manuel A. Rivas

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） 纠错

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

Fangxin Shang, Yehui Yang

机构 * AI Lab, Qifu Technology（奇富科技人工智能实验室） 纠错

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

Hanchun Wang

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） 纠错

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

Sonali Goel, Pranav Vaidhyanathan, Lucas Schorling, Natalia Ares, Maike Osborne

机构 * University of Oxford（牛津大学） 纠错

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

Zihuai Xu, Ruofei Hou, Yang Xu, Hongli Xu, Yunming Liao, Ying Zhu

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） 纠错

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

Emma Leonhart

机构 * Emma Leonhart 纠错

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

Zhe Ren, Yibo Yang, Yimeng Chen, Zijun Zhao, Benshuo Fu, Zhihao Shu, Bingjie Zhang, Yangyang Xu, Dandan Guo, Shuicheng Yan

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） 纠错

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

Yujeong Kwon, Yiyue Zhang, Shakhzod Yuldoshkhujaev, Kexin Pei, Dokyung Song, Hyungjoon Koo

机构 * Sungkyunkwan University（成均馆大学） ； The University of Chicago（芝加哥大学） ； Yonsei University（延世大学） 纠错

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

Sawyer Zhang, Alexander Wang, Sophie Lei

机构 * Lumivate (Lumi)（Lumivate（Lumi）） 纠错

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

Tianxiang Fei, Mingyang Song, Mao Zheng, Xiang Yu

机构 * Tencent（腾讯） 纠错

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

Jakub Rada, Viliam Lisý

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？

Yu Yang, Xuemeng Yang, Licheng Wen, Lingdong Kong, Xiaobin Hu, Dongyue Lu, Wei Chow, Xiyan Huang, Yuxiang Feng, Yue Liao, Jianbiao Mei, Daocheng Fu, Rong Wu, Pinlong Cai, Ran Yi, Ying Tai, Jiangning Zhang, Botian Shi, Yong Liu, Shuicheng Yan

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

Xule Liu, Hanlin Teng, Chao Li, Yanan Ni, Shuo Lu, Audrey Wang, Yijun Liu, Yunfei Wang, Xiaofeng Li, Xian Yi, Yuanfa Li, Kang Zhao, Jian Liang, Yuxuan Chen, Jinyuan Chen, Heng Qu, Kun Shao, Jian Luan

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

Derek Koh, Jinghui Mo, Benjamin H. Le, Jiening Zhan, Baofen Zheng, Kevin Bevis, Nathaniel C. Owen, Lauren Elizabeth Charney, Wenqiong Liu, Jingwei Wu

机构 * LinkedIn（领英） 纠错

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

Mauricio A. Valle, Gonzalo A. Ruz

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

Repetition as Reinforcement: Enhancing Sample Efficiency via Instant Episode Repetition in Reinforcement Learning

重复作为强化：通过强化学习中的即时回合重复提升样本效率

Hoda Yamani, Yuning Xing, Koen van Rijnsoever, Bruce A. MacDonald, Henry Williams

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

AI总结 受人类学习的重复机制启发，提出即时回合重复（IER）机制，将其集成至 SAC、TD3 算法并在多类基准任务上验证，可提升强化学习的样本效率与学习性能。

Comments 23 pages, 12 figures. Accepted at RLC 2026; to appear in Reinforcement Learning Journal (RLJ) 2026. Code: https://github.com/UoA-CARES/instant-episode-repetition

Valhalla: A Layered Knowledge-State and Service-Governance Framework for Long-Term Scientific Knowledge Work

Valhalla：面向长期科学知识工作的分层知识状态与服务治理框架

Yuyang Zheng, Nan Li, Wenxia Deng, Lige Yan, Xiang Li, Si Chen

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

AI总结 Valhalla是面向长期科学知识工作的分层框架，采用FREG模型与服务治理架构，经抗体设计任务验证，可将个性化知识结构转化为可共享重组的协作知识状态。

HyperSkill: Self-Evolving LLM Agents via Hypergraph-Structured Skill Memory

HyperSkill：基于超图结构技能记忆的自进化大语言模型智能体

Ruiyao Xu, Tiankai Yang, Wei-Chieh Huang

机构 * University of Southern California（南加州大学） ； University of Illinois at Chicago（伊利诺伊大学芝加哥分校） ； Northwestern University（西北大学） 纠错

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

AI总结 本文提出HyperSkill超图记忆框架，解决LLM智能体记忆设计的存储、检索与进化问题，在多数据集上较10种基线取得显著性能提升。

Comments 25 pages

Physiological World Models for Human State Transitions

面向人体状态转换的生理世界模型

Chongyang Zhang, Rendong Wang, Hao Zheng, Hanwen Zhang, Yang Liu, Xiaolong Wei, Bin Chong

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

AI总结 本文提出生理世界模型（PWM），引入人体状态转换标记，构建含六项基准任务的框架，用于建模人体生理状态响应现实因素的变化，助力个性化健康管理等场景。

Handover of In-Context Learning State Across Session Boundaries

跨会话边界的上下文学习状态移交

Masahiro Kato, Taka Kato

机构 * Mizuho-DL Financial Technology（瑞穗数字金融科技） ； the University of Tokyo（东京大学） ； RIKEN AIP（理化学研究所人工智能项目） ； Osaka Metropolitan University（大阪公立大学） 纠错

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

AI总结 本研究针对大语言模型应用的会话移交问题，提出三部分记录方法，结合高斯线性与非参数回归，为移交的信息保留及记忆需求提供理论与方法。

LycheeMemory V2: Efficient Long-Term Memory for LLM Agents via Semantic Segment-Level Consolidation

LycheeMemory V2：基于语义片段级整合的LLM智能体高效长期记忆

Dongfang Li, Zixuan Liu, Junmai Wang, Jiahe Huang, Fuhao Li, Bonian Jia, Baotian Hu, Min Zhang

机构 * Harbin Institute of Technology, Shenzhen（哈尔滨工业大学（深圳）） 纠错

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

AI总结 LycheeMemory V2用语义片段级整合替代轮次级整合，降低LLM编码成本，在LoCoMo、LongMemEval-S上实现SOTA性能，构建token用量较A-Mem大幅减少且未增加查询开销。

Comments 34 pages, 5 figures

Decentralized Multi-Player Q-Learning in Episodic Markov Decision Processes with Information Asymmetry

Larissa Xu, King Bi, William Chang

机构 * University of California, Los Angeles（加州大学洛杉矶分校） 纠错

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

Governed Persistent Memory: Source-Bound State Semantics and Fail-Closed Release for Long-Horizon Agents

受控持久内存：长程智能体的源绑定状态语义与故障关闭式释放

Guodong Xu

机构 * Qingdao Guodongxiansheng Network Technology Co., Ltd.（青岛果动先生网络科技有限公司） 纠错

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

AI总结 本文针对长程智能体内存的矛盾记录问题，提出受控持久内存（GPM）模型，经多组基准测试与服务评估，其在GPM-ReleaseBench、中英文指令分支等场景均实现零不匹配，修复大量基线故障且无退化。

Comments 23 pages, 2 figures, 11 tables. Includes a sealed end-to-end governed-memory service evaluation with an ungoverned local Qwen2.5-7B comparison

Assessment Design in the GenAI Era: The X1-X2-X3 Assessment Pattern for Testing Students' AI Literacy, Learning Outcomes, and Reflection

生成式人工智能（GenAI）时代的评估设计：用于测试学生AI素养、学习成果与反思的X1-X2-X3评估模式

Riasat Islam, Thomas Roelleke

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

AI总结 本文针对GenAI对在线评估的挑战，提出可复用的X1-X2-X3评估模式，用于测试学生AI素养等，为教师适配GenAI时代评估提供实践指导。

Comments 30 pages, 1 figure, 11 tables. Submitted to the following journal: Assessment & Evaluation in Higher Education (Taylor & Francis)