语言大模型 / LLM

A Literate Programming Environment for Human and Machine Agents

面向人类与机器智能体的 Literate Programming（文学式编程）环境

Adam T. Burke

专题命中 长上下文与记忆 ：LLM(summary_cn,abstract)；large language model(abstract,abstract_cn)；language model(abstract,abstract_cn)；分类 cs.AI

AI总结 本文提出一种文学式编程环境，通过语法、解析器、名称图及绑定机制，让代码与相关上下文并置，提升 LLM 窗口利用率，为 LLM 编码智能体提供类 IDE 工具集，并实现了绑定三种编程语言的可运行版本及示例程序。

Comments 13 pages, 5 figures (code and grammar listings)

Automata from Agent Traces: Failure and Next-Step Prediction

基于智能体轨迹的自动机：失败与下一步预测

Seonglae Cho, Franklin Cardenoso Fernandez, Umar Mohammed, Zekun Wu, Kleyton Da Costa, Ilham Wicaksono, Adriano Koshiyama

机构 * Holistic AI（整体人工智能公司） ； PUC-Rio（里约热内卢天主教大学） ； University College London（伦敦大学学院） 纠错

专题命中 长上下文与记忆 ：LLM(summary_cn,abstract)；分类 cs.CL、cs.AI、cs.LG

AI总结 本研究提出将LLM智能体的轨迹语料库压缩为有限状态机（FSM），该模型在12个公开数据集上表现紧凑、准确且构建快速，可同时提升下一步预测与失败预测性能，为安全监控提供模型无关的结构基元。

Elastic KV Cache for LLM Serving:A Working Reclamation Mechanism, and Why Chunked Prefill Already Closes the Gap

用于大语言模型服务的弹性键值缓存：一种工作回收机制，以及分块预填充为何已能缩小差距

Sathishkumar Sivashanmugam

专题命中 长上下文与记忆 ：LLM(title,abstract)；分类 cs.AI

AI总结 该研究提出弹性KV缓存机制，测试发现分块预填充已能缩小预留内存回收的性能差距，明确其适用场景并开源弹性VMM分配器。

Hybrid Semantic Tool Discovery for Enterprise MCP Gateway: Architecture and Implementation

企业MCP网关的混合语义工具发现：架构与实现

Olympia Saha, Amy Wang, Srinivasan Manoharan

专题命中 长上下文与记忆 ：LLM(abstract,abstract_cn)；large language model(abstract)；language model(abstract)；分类 cs.AI

AI总结 针对企业MCP网关的上下文饱和与工具发现难题，提出SCOUT方案，通过混合检索的MCP元工具实现优化，在PayPal生产环境中大幅降低工具令牌消耗与推理成本。

Contextual Memory-Enhanced Source Coding for Low-SNR Communications

上下文记忆增强的信源编码用于低信噪比通信

Ziqiong Wang, Rongpeng Li, Zhifeng Zhao, Honggang Zhang

机构 * College of Information Science and Electronic Engineering（信息科学与电子工程学院） 纠错

专题命中 长上下文与记忆 ：LLM(abstract,abstract_cn)；large language model(abstract)；language model(abstract)；分类 cs.LG

AI总结 本文提出一种内存增强的信源编码方案，通过内部化上下文模式提升信源编码的鲁棒性，减少残余信道错误对解码的影响，实验验证其有效性。

Agentopia on a Consumer GPU: A Reduced-Scale Long-Horizon Port with an 8B Model

消费级GPU上的Agentopia：采用8B模型的缩减规模长视距移植方案

Luo Huan

专题命中 长上下文与记忆 ：LLM(abstract,abstract_cn)；large language model(abstract)；language model(abstract)

AI总结 本文在单块消费级GPU上实现并评估了采用8B量化模型的缩减规模Agentopia移植方案，验证了其长视距模拟的可行性并发布了相关资源。

Comments 8 pages, 2 figures. Public preprint and research artifact

Does Episodic Memory Help Close the Lexical Frequency Gap in Sensitivity to Syntactic Contrasts? A Test Using Retrieval-Augmented Language Models

情景记忆是否有助于缩小句法对比敏感性中的词汇频率差距？使用检索增强型语言模型的测试

Jing Liu, Najoung Kim

机构 * ENS（法国高等师范学院） ； Université PSL（巴黎文理大学） ； EHESS（高等社会科学研究院） ； CNRS（法国国家科学研究中心） ； Boston University（波士顿大学） 纠错

专题命中 长上下文与记忆 ：language model(title,abstract)；分类 cs.CL

AI总结 该研究利用检索增强型语言模型检验情景记忆可缩小句法对比测试中的词汇频率差距，发现检索增强能缩小高低频项的性能差距，且结构信息对有效检索至关重要。

MemUse: Moving Memory Evaluation from Direct QA to Natural Integration in Long-Term Human-AI Conversation

MemUse：将记忆评估从直接问答转向人机长期对话中的自然整合

Ryuichi Sumida, Koji Inoue, Tatsuya Kawahara

机构 * Graduate School of Informatics, Kyoto University（京都大学信息学研究科） ； SAP（思爱普） 纠错

专题命中 长上下文与记忆 ：LLM(summary_cn,abstract_cn)；分类 cs.CL

AI总结 本研究针对对话式LLM记忆系统评估问题，提出MemUse方法，发现直接问答准确率与用户满意度无关，而自然整合能力与之相关，同时发布了相关语料库、MemUse及配套资源。

Comments Accepted to EMNLP 2026 (Main Conference). 31 pages, 15 figures, 28 tables

Reading Is Not Using: Retrieval, Judgment, and the Design of AI Financial Research Workflows

阅读并非使用：检索、判断与AI金融研究工作流的设计

Miao Liu, Zhizhe Liu

机构 * Carroll School of Management, Boston College（波士顿学院卡罗尔管理学院） ； Columbia Business School, Columbia University（哥伦比亚大学哥伦比亚商学院） 纠错

专题命中 长上下文与记忆 ：large language model(abstract)；language model(abstract)；分类 cs.CL、cs.AI

AI总结 该研究针对长上下文金融分析中存在的检索-整合缺口，通过实验发现工作流架构会影响LLMs将检索到的风险披露信息整合至投资判断的效果，指出AI分析师表现由模型能力与工作流架构共同决定。

PuzzleKV: Page-Wise Low-Rank Decomposition for KV Cache Compression

PuzzleKV：用于KV缓存压缩的按页低秩分解

Zizhong Wang, Jieying Wang, Zhao Zhang, Jiajia Li

专题命中 长上下文与记忆 ：large language model(abstract)；language model(abstract)；分类 cs.LG

AI总结 PuzzleKV将KV缓存划分为固定长度逻辑页，以页为独立压缩单元，在匹配存储预算下实现高压缩率与近似完整KV的性能，在RULER、LongBench等基准上表现优于Global SVD。

Memory Is Not Always Needed: Characterizing Conditional Memory in Scientific Reasoning

记忆并非总是必需：科学推理中条件记忆的特征分析

Zhen Bi, Xueshu Chen, Yan Wang, Zhizhi Peng, Haosen Hong, Zhen Wang, Zhixuan Chu, Bingyu Zhu, Jungang Lou

机构 * Huzhou Normal University（湖州师范大学） ； Alibaba Group（阿里巴巴集团） ； Bota Biosciences（博塔生物科技） ； Zhejiang University（浙江大学） 纠错

专题命中 长上下文与记忆 ：language model(abstract)；分类 cs.CL、cs.AI、cs.LG

AI总结 本研究探究科学推理中条件记忆的参与机制，提出知识边界感知路由器，在生物化学推理基准上验证其可保留有益记忆贡献并抑制退化，确立选择性记忆分配的重要性。

MemMark: State-Evolution Attribution Watermarking for Agent Long-Term Memory Systems

MemMark: 面向智能体长期记忆系统的状态演化归属水印

Haobo Zhang, Xutao Mao, Guangyuan Dong, Ziwei Li, Xuanbo Su, Kaijie Chen, Jing Yang, Zheng Lin

专题命中 长上下文与记忆 ：LLM(abstract,abstract_cn)

AI总结 提出MemMark水印方法，通过嵌入所有者控制的信号到潜在记忆写入决策中，实现无需日志、可见输出或可信元数据的快照归属，并在多个基准上保持记忆效用。

Comments Accepted to findings of EMNLP 2026

A Tale of Two Graphs: Separating Knowledge Exploration from Outline Structure for Open-Ended Deep Research

双图之 tale：分离知识探索与大纲结构以实现开放性深度研究

Zhuofan Shi, Ming Ma, Zekun Yao, Fangkai Yang, Jue Zhang, Dongge Han, Victor Rühle, Qingwei Lin, Saravan Rajmohan, Dongmei Zhang

专题命中 长上下文与记忆 ：LLM(abstract,abstract_cn)

AI总结 本文提出DualGraph架构，通过分离知识与写作结构，提升开放性深度研究的效率和深度，实验表明其在报告深度、广度和事实准确性上优于现有方法。

Comments 26 pages, 4 figures

SaliMory: Orchestrating Cognitive Memory for Conversational Agents

SaliMory: 为对话代理编排认知记忆

Kai Zhang, Xinyuan Zhang, Hongda Jiang, Shiun-Zu Kuo, Hyokun Yun, Ejaz Ahmed, Shereen Oraby, Ziyun Li, Sanat Sharma, Ann Lee, Ahmed A Aly, Anuj Kumar, Raffay Hamid, Xin Luna Dong

机构 * Meta Reality Labs（Meta现实实验室） 纠错

专题命中 长上下文与记忆 ：language model(abstract)；分类 cs.CL、cs.AI

AI总结 提出SALIMORY框架，通过层级阶段过程奖励和奖励分解对比优化，端到端训练单一语言模型管理认知结构记忆，显著降低记忆相关错误并提升个性化表现。

Wontopos Tablet 2: Measuring Multilingual and Multimodal Memory Retrieval Without Lexical Matching

Wontopos Tablet 2：无需词汇匹配的多语言多模态记忆检索测量

Sunwoo Kim

专题命中 长上下文与记忆 ：language model(abstract)；分类 cs.CL

AI总结 本文测量Wontopos Tablet 2的多语言多模态记忆检索性能，其无需词汇匹配，在文本、跨语言及多模态基准上表现优于BM25等方法，但存在低资源语言性能下降等问题。

Comments 42 pages, 8 figures. Harness and per-question records released

Beyond Static and Linear: What Attention Constraints Best Fit Human Reading Times?

超越静态与线性：哪种注意力约束最符合人类阅读时间规律？

Lanni Bu, Xiulin Yang, Christian Clark, Alex Warstadt, Ethan Gotlieb Wilcox

机构 * Georgetown University（乔治城大学） ； The Ohio State University（俄亥俄州立大学） ； UC San Diego（加州大学圣迭戈分校） 纠错

专题命中 长上下文与记忆 ：language model(abstract)；分类 cs.CL

AI总结 该研究在不同模型规模与训练语料下系统比较多种注意力记忆机制，发现对中间词元内容敏感的约束与人类阅读时间匹配度最高，且动态记忆课程下心理测量拟合度与语法能力存在分离，提示Transformer无法作为通用认知模型。

Hierarchical Prototype-Memory Adaptation of SAM for Surgical Instrument Segmentation

用于手术器械分割的SAM分层原型-记忆适应方法

Xinning Yao, Jingjing Wang, Jinghua Yue, Xiaoyan Luo, Fugen Zhou, Bo Liu

机构 * Beihang University（北京航空航天大学） ； Image Processing Center（图像处理中心） 纠错

专题命中 长上下文与记忆 ：foundation model(abstract)

AI总结 针对SAM适配手术器械分割时的鲁棒性与尺度耦合问题，本文提出HPMA框架，通过分层原型记忆与尺度匹配耦合机制，在EndoVis2017/2018数据集上取得最优性能。