EconAgent: Large Language Model-Empowered Agents for Simulating Macroeconomic Activities
专题命中 长上下文与记忆 :large language model(title,abstract);language model(title,abstract);分类 cs.AI
Comments ACL 2024 (main conference)
AI 大模型
大语言模型、预训练、指令微调、后训练和语言模型应用。
专题命中 长上下文与记忆 :large language model(title,abstract);language model(title,abstract);分类 cs.AI
Comments ACL 2024 (main conference)
专题命中 长上下文与记忆 :large language model(title,abstract);language model(title,abstract);分类 cs.AI
专题命中 长上下文与记忆 :large language model(title,abstract);language model(title,abstract);分类 cs.AI
Comments 8 pages, 1 figure
专题命中 长上下文与记忆 :large language model(title,abstract);language model(title,abstract);分类 cs.AI
专题命中 长上下文与记忆 :large language model(title,abstract);language model(title,abstract);分类 cs.CL
Comments Accepted to NAACL 2024 main conference
专题命中 长上下文与记忆 :large language model(title,abstract);language model(title,abstract);分类 cs.CL
Comments ICLR 2024
专题命中 长上下文与记忆 :large language model(title,abstract);language model(title,abstract);分类 cs.CL
专题命中 长上下文与记忆 :large language model(title,abstract);language model(title,abstract);分类 cs.CL
专题命中 长上下文与记忆 :large language model(title,abstract);language model(title,abstract);分类 cs.CL
Comments EMNLP 2023
专题命中 长上下文与记忆 :large language model(title,abstract);language model(title,abstract);分类 cs.LG
专题命中 长上下文与记忆 :large language model(title,abstract);language model(title,abstract);分类 cs.CL
Comments 23 pages, 0 figures
专题命中 长上下文与记忆 :language model(title,abstract);small language model(title);prompting(abstract);分类 cs.CL
Comments GitHub page: https://github.com/suzgunmirac/prompt-and-rerank. Project page: https://lukemelas.github.io/prompt-and-rerank/
QUMem:面向大语言模型智能体查询条件用户状态推理的个性化记忆
专题命中 长上下文与记忆 :LLM(title,abstract);large language model(abstract);language model(abstract);分类 cs.CL、cs.AI
AI总结 QUMem 是一种结构化记忆框架,通过分割交互历史、分解记忆类型、多查询检索等方法,在 PersonaMem 和 KnowU-Bench 上实现了查询条件用户状态推理的最优性能,提升了大语言模型智能体的长期个性化能力。
Comments 9pages,3figures
超越像素:探索面向基于大语言模型的智能体的DOM下采样
专题命中 长上下文与记忆 :LLM(title,abstract);large language model(abstract);language model(abstract);分类 cs.CL、cs.AI
AI总结 本文提出D2Snap算法对DOM下采样,解决原始DOM令牌占用过大的问题,经评估其在GPT-4o智能体上的成功率达73%,接近基于GUI快照的基线性能。
Comments 21 pages, LaTeX, print version; enhanced algorithm, settled on non-inferiority claim, added downsampling monotonicity and linearity results
PsychoAgent:面向大语言模型智能体的、具备冲突感知记忆的情感敏感认知架构
机构 * School of Electrical and Computer Engineering, College of Engineering, University of Tehran(德黑兰大学工程学院电气与计算机工程学院) ; Sharif University of Technology(谢里夫理工大学) ; Missouri University of Science and Technology(密苏里科技大学) ; Tehran Institute for Advanced Studies, Khatam University(哈塔姆大学德黑兰高等研究院)
专题命中 长上下文与记忆 :LLM(title,summary_cn);分类 cs.CL、cs.AI
AI总结 该研究提出PsychoAgent架构,分离事实与情感记忆并通过冲突感知控制器整合,在三类冲突场景中其冲突关键记忆检索率优于相关基线,为LLM智能体建模类人冲突效应提供了可检查机制。
Comments 12 pages main paper + 10 pages supplementary material; supplementary material included
DP-MemView:面向长期大语言模型智能体的属性级对话记录隐私的内存接口
专题命中 长上下文与记忆 :LLM(title,summary_cn);分类 cs.CL、cs.LG
AI总结 针对长期LLM智能体的自适应对话记录隐私威胁,提出差分隐私内存接口DP-MemView,经实验验证可在保留个性化和响应质量的同时降低隐私泄露风险。
Comments 18 pages, 2 figures, 9 tables
多层架构中的防御效果:对持久内存攻击状态机LLM代理的机制性评估
专题命中 长上下文与记忆 :LLM(title,title_cn);分类 cs.AI、cs.LG
AI总结 本文评估了六种防御措施在九个开源模型上的延迟触发攻击效果,发现输入级和检索级过滤器效果不佳,而内存层工具门控(Memory Sandbox)显著降低攻击成功率,揭示了不同防御类别的失效原因。
Comments v4: Added double dissociation (reasoning-mode ablation), content-layer defense (RATG), loaded-corpus frontier evaluation (21 models, 3 providers, N=40), 7B judge capability bound, reproducibility validity criterion, ethics/disclosure statement. Gemini 3.1 Pro Preview 95% ASR; GPT-5.1 regression (22.5%); tripartite vendor divergence. Code: github.com/junwenleong/stateful-agent-security-eval
TopoFE:拓扑感知的大语言模型引导的自动特征工程
机构 * Virginia Tech(弗吉尼亚理工大学)
专题命中 长上下文与记忆 :LLM(title,abstract);large language model(abstract);language model(abstract);分类 cs.AI、cs.LG
AI总结 研究表格学习中自动特征工程问题,提出拓扑感知多岛进化框架TOPOFE,结合特定族探索、自适应提示记忆和拓扑引导知识转移,在多个公共数据集实验中,相比现有方法有改进,能发现更多样可转移特征程序。
QSLM:一种性能和内存感知的量化框架,具有分层搜索策略用于脉冲驱动语言模型
机构 * eBRAIN Lab, New York University (NYU) Abu Dhabi(eBRAIN实验室,纽约大学阿布扎比分校)
专题命中 长上下文与记忆 :language model(title,abstract);SLM(abstract,abstract_cn);large language model(abstract);分类 cs.AI、cs.LG
AI总结 本文提出QSLM框架,通过分层搜索策略和多目标性能-内存权衡函数,实现对预训练脉冲驱动语言模型的自动量化压缩,减少内存占用并降低能耗,同时保持高性能。
Comments Accepted at the Design, Automation and Test in Europe Conference (DATE) 2025 on April 20th-22nd, 2026 in Verona, Italy
AgenticSTS: 一种用于长周期LLM智能体的有界记忆测试平台
机构 * Alaya Lab(Alaya实验室) ; Shanghai Jiao Tong University(上海交通大学) ; Shanghai Innovation Institute(上海创新研究院) ; Nankai University(南开大学) ; University of Science and Technology of China(中国科学技术大学)
专题命中 长上下文与记忆 :LLM(title,title_cn);分类 cs.CL、cs.AI
AI总结 提出一种有界记忆契约,通过类型化检索组装用户消息,避免原始跨决策转录,在《杀戮尖塔2》中实现并验证,揭示了战略技能层对胜率的提升效果。
符号推理框架在多智能体战略环境中调节大语言模型的风险规避
机构 * iterative.day
专题命中 长上下文与记忆 :LLM(title,summary_cn);large language model(abstract);language model(abstract);分类 cs.AI、cs.LG
AI总结 本研究通过注入符号推理框架(如易经、塔罗牌)作为反思提示,发现其能差异化调节LLM的风险规避倾向,并在多智能体博弈中产生框架特定的胜者分布,且该效应源于反思过程而非内容遵循。
Comments 28 pages, 4 figures, 9 tables, 6 listings. Code and data: https://doi.org/10.5281/zenodo.20338937
Membox: 将主题连续性编织到LLM智能体的长期记忆中
机构 * Tsinghua University(清华大学) ; Xinjiang University(新疆大学)
专题命中 长上下文与记忆 :LLM(title,title_cn);分类 cs.CL、cs.AI
AI总结 提出Membox层次记忆架构,通过主题织机按局部主题组织对话,并通过轨迹织机跨会话链接宏主题轨迹,在LoCoMo和DialSim上显著提升长程记忆检索性能。
Infini Memory:用于长期LLM智能体记忆的可维护主题文档
机构 * Infinigence AI(InfiniGen AI) ; Tsinghua University(清华大学) ; Shanghai Jiaotong University(上海交通大学)
专题命中 长上下文与记忆 :LLM(title,title_cn);分类 cs.CL、cs.AI
AI总结 提出Infini Memory架构,将智能体记忆组织为主题文档,通过缓冲合并和迭代检索实现可维护的长期记忆,在MemoryAgentBench上达到64.7%的总体得分。
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
机构 * Tencent(腾讯)
专题命中 长上下文与记忆 :LLM(title,title_cn);分类 cs.CL、cs.AI
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。
SoLoPO: 通过短到长偏好优化解锁大语言模型的长上下文能力
机构 * Tongyi Lab, Alibaba Group(通义实验室,阿里巴巴集团)
专题命中 长上下文与记忆 :preference optimization(title,abstract);large language model(abstract);language model(abstract);pretraining(abstract)
AI总结 提出SoLoPO框架,将长上下文偏好优化解耦为短上下文偏好优化和短到长奖励对齐,以提升大语言模型的长上下文利用能力。
Comments Published as a conference paper at ICLR 2026
HARP: 多智能体大语言模型系统中的危害放大测量
机构 * Electrical and Computer Engineering University of Maine(电气与计算机工程大学缅因州大学)
专题命中 长上下文与记忆 :LLM(title,summary_cn);分类 cs.AI、cs.LG
AI总结 提出HARP方法,通过比较清洁与扰动执行轨迹,量化多智能体LLM系统中局部扰动如何传播为全局危害,并在金融七智能体系统中验证了不同攻击和防御的效果。
Comments 39 pages, 12 figures, 12 tables, and 1 algorithm
CONF-KV:面向长序列LLM的置信度感知KV缓存淘汰与混合精度存储
机构 * Carnegie Mellon University(卡内基梅隆大学)
专题命中 长上下文与记忆 :LLM(title,title_cn);分类 cs.AI、cs.LG
AI总结 提出CONF-KV方法,利用模型当前不确定性(置信度)动态调整KV缓存预算,结合混合精度存储和分块在线softmax注意力,在长序列推理中显著降低显存占用并保持高精度。
面向长程LLM对话的协作式内存分页与关键词书签
专题命中 长上下文与记忆 :LLM(title,title_cn);分类 cs.CL、cs.AI
AI总结 提出协作式分页方法,用关键词书签替代被驱逐的对话片段,并赋予模型 recall() 工具按需检索,在 LoCoMo 基准上四个模型均取得最佳答案质量,并通过消融实验揭示分页设计的关键因素。
Comments The authors have decided to withdraw this version following internal review regarding authorship and contribution agreements
递归语言模型
机构 * MIT CSAIL(麻省理工学院计算机科学与人工智能实验室)
专题命中 长上下文与记忆 :language model(title,abstract);LLM(abstract,abstract_cn);large language model(abstract);分类 cs.CL、cs.AI
AI总结 本文提出递归语言模型(RLMs),通过将长提示视为外部环境的一部分,使大语言模型能够递归调用自身处理长输入,从而在多个长上下文任务中显著提升性能。
Comments 9 pages, 43 with Appendix
MISA:混合索引器稀疏注意力用于长上下文LLM推理
机构 * PKU(北京大学)
专题命中 长上下文与记忆 :LLM(title,title_cn);分类 cs.AI、cs.LG
AI总结 MISA通过将DSA索引器头部视为专家混合池,降低长上下文LLM推理的计算成本,同时保持性能,比HISA更优。