AI Agent

CraniMem: Cranial Inspired Gated and Bounded Memory for Agentic Systems

CraniMem：受大脑启发的门控和有界的记忆用于智能体系统

Pearl Mody, Mihir Panchal, Rishit Kar, Kiran Bhowmick, Ruhina Karani

机构 * Dwarkadas Jivanlal Sanghvi College of Engineering（达沃拉萨·吉文拉尔·桑格维工程学院） 纠错

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

AI总结 CraniMem通过门控和有界多阶段记忆设计提升智能体在长期任务中的稳定性与鲁棒性，采用目标条件门控和效用标签结合短期缓冲和长期知识图谱，实现更持久的语义记忆与更小的干扰影响。

Comments International Conference on Learning Representations 2026 Workshop on Memory for LLM-Based Agentic Systems (MemAgents)

Dual-Agent Reinforcement Learning for Adaptive and Cost-Aware Visual-Inertial Odometry

双代理强化学习用于自适应和成本感知的视觉惯性里程计

Feiyang Pan, Shenghe Zheng, Chunyan Yin, Guangbin Dou

机构 * Southeast University（东南大学） ； Harbin Institute of Technology（哈尔滨工业大学） 纠错

专题命中 记忆与上下文管理 ：agent(title,abstract)

AI总结 本文提出双代理强化学习框架，通过智能选择代理和融合代理优化视觉惯性里程计的运行时机和信任度，提升精度与效率的平衡。

Comments Accepted to the CVPR 2026 Main Track

Chronos: Temporal-Aware Conversational Agents with Structured Event Retrieval for Long-Term Memory

Chronos：具有结构化事件检索的时序感知对话代理以实现长期记忆

Sahil Sen, Elias Lumer, Anmol Gulati, Vamse Kumar Subbiah

机构 * Commercial Technology and Innovation Office（商业技术与创新办公室） 纠错

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

AI总结 Chronos通过结构化事件日历和对话日历实现时序感知，有效处理长期对话记忆中的时间敏感查询，提升多跳推理能力，在LongMemEvalS基准测试中取得新高准确率。

Did You Check the Right Pocket? Cost-Sensitive Store Routing for Memory-Augmented Agents

你检查了正确的口袋吗？面向内存增强代理的成本敏感存储路由

Madhava Gaikwad

机构 * ICLR 2026 Workshop on Memory and State in LLM-Based Agents（ICLR 2026 记忆与状态在大语言模型代理中的工作坊） 纠错

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

AI总结 本文提出通过成本敏感存储路由优化内存增强代理的检索效率，通过覆盖、精确匹配和令牌效率指标评估，证明选择性检索能提升效率和性能，推动了可扩展多存储系统的 learned routing 机制发展。

Comments accepted in ICLR 2026 Workshop on Memory for LLM-Based Agentic Systems

Embedding-Aware Feature Discovery: Bridging Latent Representations and Interpretable Features in Event Sequences

嵌入感知特征发现：连接潜在表示与可解释特征在事件序列中

Artem Sakhno, Ivan Sergeev, Alexey Shestov, Omar Zoloev, Elizaveta Kovtun, Gleb Gusev, Andrey Savchenko, Maksim Makarenko

机构 * Sber AI Lab（Sber AI实验室） ； ISP RAS Research Center for Trusted AI（俄罗斯科学院信息与系统研究所可信人工智能研究中心） 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 本文提出EAFD框架，通过结合预训练事件序列嵌入与自反思LLM驱动特征生成代理，解决嵌入与特征管道间的断层问题，实现特征的发现、评估与优化，提升事件序列处理性能。

MemX: A Local-First Long-Term Memory System for AI Assistants

MemX：面向AI助手的本地优先长期记忆系统

Lizheng Sun

机构 * Lizheng Sun（孙立政） 纠错

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

AI总结 MemX是一种本地优先的长期记忆系统，通过向量召回、关键词召回和RRF等方法提升检索稳定性，实验表明其在中文基准测试中达到91.3%的Hit@1精度，且在长文本检索中表现出色。

Comments 18 pages, 2 figures, 13 tables

Compiled Memory: Not More Information, but More Precise Instructions for Language Agents

编译记忆：不是更多信息，而是为语言代理提供更精确的指令

James Rhodes, George Kang

机构 * AlphaBitCore, Inc.（AlphaBitCore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 本文提出Atlas内存内核，通过编译积累的任务经验为语言代理生成指令结构，无需微调、RAG或人工干预，提升GPT-4o和Claude Sonnet~4.5在合同分析和多跳问答任务中的性能。

An Extension of Major-Minor Mean Field Game Theory

主导玩家的MFG理论扩展

Agustín Muñoz González

专题命中 记忆与上下文管理 ：agent(abstract)

AI总结 本文扩展了Bensoussan等人提出的主导玩家MFG理论，考虑了效用和成本函数依赖于状态-控制律的联合分布，并建立了包含主导玩家控制对系统动态和功能的直接影响的优化问题。

Comments 20

VALD: Multi-Stage Vision Attack Detection for Efficient LVLM Defense

VALD：为高效LVLM防御的多阶段视觉攻击检测

Nadav Kadvil, Malak Fares, Ayellet Tal

机构 * Technion – Israel Institute of Technology（技术学院 – 以色列理工学院） 纠错

专题命中 记忆与上下文管理 ：agentic(abstract)

AI总结 本文提出VALD方法，通过图像变换与智能数据整合快速过滤清洁输入，结合文本嵌入空间和LLM解决攻击问题，实现高效准确的LVLM防御。

Challenge-Response Quantum Reinforcement Learning with Application to Quantum-Assisted Authentication

挑战-响应量子强化学习及其在量子辅助认证中的应用

Jawaher Kaldari, Saif Al-Kuwari

专题命中 记忆与上下文管理 ：agent(abstract)

AI总结 本文提出一种挑战-响应量子强化学习环境，探讨在有限量子资源下，通过轻量级混合代理实现可靠推断的策略，验证其在高和低惩罚场景下的优越性及在安全应用中的相关性。