Cross-Model KV Cache Transfer in LLM Families: A Closed-Form Linear Mapping for Prefill Reuse
大语言模型家族中的跨模型KV缓存迁移：用于预填充复用的闭式线性映射
专题命中 长上下文与记忆 ：LLM(title)；分类 cs.LG
AI总结 针对大语言模型家族切换时需重新预填充的问题，提出跨模型KV缓存迁移方法，通过闭式线性映射器复用源模型KV缓存，可提升预填充速度，保留大部分准确率，具备实用性。
AI 大模型
语言大模型 / LLM
大语言模型、预训练、指令微调、后训练和语言模型应用。
1. 长上下文与记忆 617 篇
From Cognitive Architectures to Language Agents: A Mechanism-Level Review of Lineage, Convergence, and Migration Gaps
从认知架构到语言智能体：谱系、融合与迁移差距的机制层面综述
专题命中 长上下文与记忆 ：language agent(title)；分类 cs.AI
AI总结 该综述连接多个认知架构与语言智能体系统，重构机制并编码相关关系，指出现代智能体部分功能已实现，最强机会在机制耦合，存在五个剩余组合，贡献了机制目录、证据深度框架及可证伪议程。
Comments 28 pages, 9 figures, 14 tables. Review article
Temporal Context Reinstatement Drives Episodic-Like Order Memory in Long-Context Language Models
时间上下文恢复驱动长上下文语言模型中的情景式顺序记忆
专题命中 长上下文与记忆 ：language model(title)；分类 cs.AI
AI总结 研究长上下文语言模型中情景式顺序记忆的机制，通过时间顺序记忆任务及新数据集，发现模型呈现与人类相同的距离效应，且性能依赖一维时间编码，由单个注意力头在检索时恢复，支持时间上下文恢复是重要机制。
SWE-Pruner Pro: The Coder LLM Already Knows What to Prune
SWE-Pruner Pro：编码语言模型已知道该修剪什么
专题命中 长上下文与记忆 ：LLM(title)；分类 cs.CL
AI总结 研究针对编码代理长上下文修剪问题，提出SWE-Pruner Pro，利用代理内部表示直接修剪工具输出。在多基准测试中节省令牌，保持任务质量，在MiMo-V2-Flash上提升解决率和准确率。
Comments Project page: https://github.com/Ayanami1314/swe-pruner-pro
MemPoison: Uncovering Persistent Memory Threats and Structural Blind Spots in LLM Agents
MemPoison：揭示大语言模型智能体中持久内存威胁和结构盲点
机构 * State Key Laboratory for Novel Software Technology, Nanjing University, China（南京大学新型软件技术国家重点实验室） ； NARI Group Corporation/State Grid Electric Power Research Institute, China（国网电力研究院/国电电力集团）
专题命中 长上下文与记忆 ：LLM(title)；分类 cs.AI
AI总结 研究大语言模型智能体持久内存安全漏洞，提出MemPoison框架，含1227个案例，涵盖多种攻击类型等并评估多个模型系列。引入分类法，揭示防御边界及盲点，主张转向自适应、上下文敏感的内存防御策略。
MemFuse: Multi-Source Memory Fusion from Fragmented Observations
MemFuse：基于碎片化观测的多源记忆融合
专题命中 长上下文与记忆 ：LLM(abstract,abstract_cn)；分类 cs.CL、cs.AI
AI总结 针对现有记忆系统多聚焦单源文本、无法处理碎片化信息的问题，提出多源记忆融合基准MemFuseBench与结构化记忆系统MemFuse，实验显示MemFuse在跨源证据融合任务上表现最优。
Comments 30 pages, 4 figures, 4 tables
When Context Misleads: Intent-Guided Decoding for Robust Retrieval-Augmented Generation
当上下文产生误导时：用于稳健检索增强生成的意图引导解码
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 针对现有RAG系统固定信任策略的缺陷，提出意图引导解码（IGD）框架，经多基准评估，可显著提升事实恢复能力，同时保持或改善上下文遵循行为。
AutoMem: A Text-Gradient Recursive Self-Improvement Framework for Automated Memory Architectures Search
AutoMem：面向自动化记忆架构搜索的文本梯度递归自改进框架
机构 * School of Computer Science and Technology, East China Normal University（华东师范大学计算机科学与技术学院） ； Shanghai AI Laboratory（上海人工智能实验室）
专题命中 长上下文与记忆 ：LLM(abstract,abstract_cn)；分类 cs.CL、cs.AI
AI总结 AutoMem是面向任务自适应记忆架构搜索的文本梯度递归自改进框架，通过经验引导架构搜索与失败引导模块诊断，在多基准测试中性能优于人工设计基线，实现了准确率与效率的良好权衡。
Lost in Compaction: Evaluating Side-Constraint Loss under Context Compaction
在压缩中迷失：评估上下文压缩下的侧约束损失
机构 * The Pennsylvania State University（宾夕法尼亚州立大学）
专题命中 长上下文与记忆 ：LLM(abstract,abstract_cn)；分类 cs.CL、cs.AI
AI总结 本文针对长上下文场景下压缩器丢失会话约束（SCs）的问题，提出COMPINT评估套件量化损失，并开发即插即用的SCs感知提取器，使SCs保留率超90%。
Keep It Simple: Multi-Key Episodic Memory Retrieval for Ultra-Long Video Understanding
保持简洁：用于超长视频理解的多键情景记忆检索
机构 * Yonsei University（延世大学） ； Adobe Research（奥多比研究院）
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 针对超长视频理解的两阶段范式需求，提出MERIT框架，通过多键表示与按需时间扩展实现精准检索，在三个长视频基准数据集上取得最优性能。
Comments Accepted to ECCV 2026 (Oral). Project Page: https://choi-yeeun.github.io/MERIT/
Hardware Keystores for AI Agent Signing Workflows: A Zero-Trust MCP Enforcement Architecture
AI智能体签名工作流的硬件密钥存储：零信任MCP实施架构
专题命中 长上下文与记忆 ：LLM(abstract,abstract_cn)；分类 cs.AI、cs.LG
AI总结 该研究针对AI智能体私钥易泄露问题，提出基于硬件密钥存储与五层零信任栈的架构，实验显示其攻击成功率降为0%且无误报。
Comments 11 pages, 2 figures. Accompanying code and artifacts available at: https://anonymous.4open.science/r/Hardware-Keystores-for-AI-Agent-Signing-Workflows-Artifact-357C
QEvict: Recoverable Quantized KV Eviction for Attention-Drift-Robust Long-Context Decoding
QEvict：面向注意力漂移鲁棒长上下文解码的可恢复量化键值缓存驱逐机制
专题命中 长上下文与记忆 ：large language model(abstract)；language model(abstract)；分类 cs.CL、cs.LG
AI总结 QEvict是一种三层KV缓存管理方案，通过可恢复量化驱逐解决长上下文解码中的注意力漂移问题，在固定内存预算下提升了长上下文任务的信息保留效果。
Comments 24 pages, 6 figures. The first four authors contributed equally
Enhancing Tabular Learners with Context-Aware Semantic Embeddings
用上下文感知语义嵌入增强表格学习器
专题命中 长上下文与记忆 ：large language model(abstract)；language model(abstract)；分类 cs.AI、cs.LG
AI总结 该研究提出CASE框架，结合LLMs语义理解与表格学习器统计能力，通过预填充Gemma 3表格语言模型KV缓存建立语义锚点，在CARTE等基准上显著提升表格学习器在语义丰富数据集的低数据场景性能。
PI-Mem: Pushing Long-Context Reasoning to 3.6M Tokens with Parallel-Iterative Memory
PI-Mem：通过并行迭代式记忆将长上下文推理推向360万 tokens
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 该研究提出PI-Mem并行迭代记忆机制，在360万 tokens长上下文下，使Qwen系列模型在HotpotQA基准上较循环记忆基线实现准确率提升与推理加速，打破长上下文推理的准确率-效率权衡。
V-Mem: Modality-Routed Retrieval for Long-Term Multimodal Agentic Memory
V-Mem：面向多模态智能体长期记忆的模态路由检索
专题命中 长上下文与记忆 ：LLM(abstract,abstract_cn)；分类 cs.CL、cs.AI
AI总结 该研究针对多模态智能体记忆的模态与相似性-相关性差距，提出V-Mem系统，通过模态路由检索优化，在Mem-Gallery、LoCoMo数据集上显著提升多模态问答性能。
Comments 19 pages, 2 figures, 16 tables. Code: https://github.com/Dingyi-Kang/V-Mem
MemTxn: A Transaction Boundary for Source-Supported Updates and Complete-State Recovery in Agent Memory
MemTxn：智能体记忆中源支持更新与完整状态恢复的事务边界
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 针对大语言模型智能体持久内存错误问题，提出MemTxn治理层，通过Ordered PatchTest等组件实现可靠更新与恢复，在多个基准测试中性能优于现有方法。
NVIDIA-labs OO Agents: Native Python Object-Oriented Agents
NVIDIA实验室的OO智能体：原生Python面向对象智能体
机构 * NVIDIA-labs（英伟达实验室）
专题命中 长上下文与记忆 ：LLM(abstract,abstract_cn)；分类 cs.CL、cs.AI
AI总结 研究提出NOOA这一Python框架构建可靠AI智能体，采用智能体即Python对象的编程模型，结合六个面向模型的理念，证明当前模型能有效使用此接口并在相关测试中表现良好，为智能体开发提供新途径。
SALT: Salience-Aware Lexical Trie for Long-Context Compression
SALT：用于长上下文压缩的显著性感知词汇字典树
机构 * Florida State University（佛罗里达州立大学）
专题命中 长上下文与记忆 ：large language model(abstract)；language model(abstract)；分类 cs.AI、cs.LG
AI总结 针对大语言模型处理长提示时的计算和内存瓶颈，提出SALT框架，将句子关键词组织成按句子频率排序的字典树，通过多锚点检索等方式保留文档主题，降低长上下文提示的预填充成本，还可与KV缓存方法结合。
RoboTTT: Context Scaling for Robot Policies
RoboTTT：机器人策略的上下文扩展
机构 * NVIDIA（英伟达公司） ； Stanford University（斯坦福大学） ； The University of Texas at Austin（德克萨斯大学奥斯汀分校）
专题命中 长上下文与记忆 ：foundation model(abstract)；pretraining(abstract)；分类 cs.AI、cs.LG
AI总结 研究提出RoboTTT，将测试时训练集成到机器人基础模型，通过序列动作强制和截断反向传播扩展视觉运动上下文到8K时间步长，解锁新能力，提升多任务性能，证明上下文长度是机器人基础模型新扩展轴。
Comments Project website: http://research.nvidia.com/labs/gear/robottt/
CatalogAgent: A Supervisor-mediated Self-Learning System Enabling Context Engineering for GenAI Models
CatalogAgent：一种由监督者介导的自学习系统，实现生成式人工智能模型的上下文工程
机构 * Amazon（亚马逊）
专题命中 长上下文与记忆 ：LLM(abstract,abstract_cn)；分类 cs.AI、cs.LG
AI总结 研究电商产品目录结构化属性缺失值预测问题，提出CatalogAgent系统，通过监督者调解冲突、记忆库和汇总器实现自学习，经上下文工程将监督者能力转移到生成器和评估器，有效提升其性能。
PhysMRV: Physical Memory Retrieval and Verification for Physics Plausibility Reasoning
PhysMRV：用于物理合理性推理的物理内存检索与验证
专题命中 长上下文与记忆 ：language model(abstract)；prompting(abstract)；分类 cs.AI、cs.LG
AI总结 针对视频语言模型物理合理性推理不可靠的问题，提出免训练的PhysMRV框架，通过将训练视频转化为分层内存库，利用结构化物理证据指导VLM验证物理合理性，在多基准测试中取得一致改进，有效增强该推理能力。
Self-Guided Test-Time Training for Long-Context LLMs
长上下文语言模型的自引导测试时训练
机构 * Meta AI ； University of Virginia（弗吉尼亚大学）
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 研究针对长上下文语言模型处理中单纯扩窗口不能有效利用长输入、准确率易降的问题，提出自引导测试时训练（S-TTT）方法，通过模型识别证据跨度并仅对选定跨度训练，在两个基准上提升了模型准确率。
Remember When It Matters: Proactive Memory Agent for Long-Horizon Agents
记住重要时刻：用于长期任务智能体的主动记忆智能体
机构 * Meta AI
专题命中 长上下文与记忆 ：SFT(abstract,abstract_cn)；分类 cs.CL、cs.AI
AI总结 研究长期任务中智能体决策时行为状态衰减问题，提出用主动记忆智能体并行干预，更新记忆库并决定是否提醒。该方法在多个基准测试中提升了智能体性能，消融实验证明其优势，还训练模型实现部分迁移。
From Application-Layer Simulation to Native Meta-Architecture: Structural Tension as an Endogenous Driver for Heterogeneous AI Evolution
从应用层模拟到原生元架构：结构张力作为异构人工智能进化的内生驱动因素
机构 * Shanghai Lixin University of Accounting and Finance（上海立信会计金融大学）
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 研究针对大语言模型无状态需应用层模拟的问题，提出理论框架，引入结构张力、离线循环回路、推理时可塑性三种机制，使模型实例能演化出不同拓扑结构，构成异构智能生态，重新定位治理为架构智能主要标准。
Comments 17 pages, 1 equation, no figures
Learning User-Aware Recall: Personalized Retrieval in Long-Term Conversational Memory
学习用户感知的回忆：长期对话记忆中的个性化检索
机构 * Baidu Inc.（百度公司） ； The University of Queensland（昆士兰大学）
专题命中 长上下文与记忆 ：LLM(abstract,abstract_cn)；分类 cs.CL、cs.AI
AI总结 提出PPRO框架，通过用户画像引导的排序和基于GRPO的查询重写，实现个性化记忆检索，在LoCoMo和LongMemEval-S上取得一致提升。
On the Inseparability of Instructions and Data in Shared-Embedding Sequence Models
论共享嵌入序列模型中指令与数据的不可分离性
机构 * Independent Researcher（独立研究员）
专题命中 长上下文与记忆 ：LLM(abstract,abstract_cn)；分类 cs.AI、cs.LG
AI总结 本文证明在共享嵌入架构中，由于缺乏强制控制-数据分离，完美防御提示注入在数学上是不可能的，并提出了语义忠实控制（SFC）的概念，通过三个理论结果揭示了其根本原因，类比冯·诺依曼架构的代码-数据混淆问题。
Comments 18 pages, 1 figure, 2 tables
Information-Aware KV Cache Compression for Long Reasoning
面向长推理的信息感知KV缓存压缩
机构 * Shanghai Jiao Tong University（上海交通大学）
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 提出InfoKV框架，通过结合预测不确定性与注意力分数进行KV缓存压缩，在长上下文推理中优于现有方法。
Staying In Character: Perspective-Bounded Memory For Book-Based Role-Playing Agents
保持角色：基于书籍的角色扮演智能体的视角受限记忆
机构 * UNSW Sydney（新南威尔士大学悉尼分校） ； University of Sydney（悉尼大学） ； Chang’an University（长安大学） ； RAIDS Lab（RAIDS实验室） ； Tongyi Lab, Alibaba Group（阿里巴巴集团通义实验室）
专题命中 长上下文与记忆 ：LLM(abstract,abstract_cn)；分类 cs.CL、cs.AI
AI总结 提出REVERIEMEM三层记忆架构（情节层、语义层、个性层），解决长叙事角色扮演中的事实越界和风格单调问题，在KBF-QA基准上知识边界保真度提升34.6个百分点，在BOOKWORLD中胜率约79%。
Learning What Not to Forget: Long-Horizon Agent Memory from a Few Kilobytes of Learning
学习不忘：从几KB学习的长时程智能体记忆
机构 * University of Utah（犹他大学）
专题命中 长上下文与记忆 ：LLM(abstract,abstract_cn)；分类 cs.CL、cs.AI
AI总结 提出LRE（学习相关性驱逐）方法，通过轻量级评分器保留历史中的关键信息，在匹配预算下精度优于无驱逐基线，减少峰值上下文大小52%，并解决循环任务。
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
机构 * University of Oxford（牛津大学）
专题命中 长上下文与记忆 ：large language model(abstract)；language model(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
