AI 大模型

AI Agent

智能体、工具调用、规划、工作流、多智能体和自主任务执行。

2026-02-27 至 2026-02-27 共收录 3 篇信号源：cs.AI, cs.CL, cs.LG, cs.SE

1. 记忆与上下文管理 3 篇

2602.22539 2026-02-27 cs.AI eess.SP 83%

Agentic AI for Intent-driven Optimization in Cell-free O-RAN

面向无细胞O-RAN意图驱动优化的代理AI

Mohammad Hossein Shokouhi, Vincent W. S. Wong

机构 * Department of Electrical and Computer Engineering, The University of British Columbia（电气与计算机工程系，不列颠哥伦比亚大学）

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

AI总结本文提出了一种面向无细胞O-RAN的代理AI框架，通过多代理协作实现意图驱动的优化，减少O-RU数量并降低内存使用。

Comments Accepted by IEEE International Conference on Communications (ICC), Glasgow, UK, May 2026

2602.23174 2026-02-27 cs.GT 67%

Approximately Solving Continuous-Time Mean Field Games with Finite State Spaces

近似求解具有有限状态空间的连续时间均场博弈

Yannick Eich, Christian Fabian, Kai Cui, Heinz Koeppl

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基于正则化方法的近似算法，用于求解具有有限状态空间的连续时间均场博弈问题，通过扩展固定点迭代和假想玩法规则，提高了计算效率和实用性。

Comments To be published in ACC 2026

2602.22402 2026-02-27 cs.SE cs.AI cs.HC cs.OS 62%

Contextual Memory Virtualisation: DAG-Based State Management and Structurally Lossless Trimming for LLM Agents

上下文记忆虚拟化：基于DAG的状态管理和结构无损修剪用于LLM代理

Cosmo Santoni

机构 * Imperial College London（伦敦帝国学院）

专题命中记忆与上下文管理：tool-use(abstract)；分类 cs.AI、cs.SE

AI总结上下文记忆虚拟化通过DAG结构管理和无损修剪技术，提升LLM代理在长期推理任务中的上下文重用效率和经济性。

Comments 11 pages. 6 figures. Introduces a DAG-based state management system for LLM agents. Evaluation on 76 coding sessions shows up to 86% token reduction (mean 20%) while remaining economically viable under prompt caching. Includes reference implementation for Claude Code