AI Agent

Memory poisoning and secure multi-agent systems

记忆污染与安全多智能体系统

Vicenç Torra, Maria Bras-Amorós

机构 * Department of Computing Science, Ume University, Ume , Sweden（瑞典乌梅大学计算机科学系） ； Departament of Mathematics, Universitat Politècnica de Catalunya, Catalonia, Spain（西班牙加泰罗尼亚理工大学数学系） 纠错

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

AI总结 本文探讨了多智能体系统中记忆污染攻击的风险，分析了不同记忆系统类型的安全性，并提出基于密码学的缓解策略，强调了智能体交互中的实际风险及安全设计的重要性。

Comments 15 pages, 2 figures

The Myhill-Nerode Theorem for Bounded Interaction: Canonical Abstractions via Agent-Bounded Indistinguishability

有界交互的Myhill-Nerode定理：通过智能体有界不可区分性获得规范抽象

Anthony T. Nixon

机构 * DefSig 纠错

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

AI总结 本文研究了有限POMDP中有界交互的规范抽象，通过智能体有界不可区分性定义了规范商，并验证了其在时钟感知探针下的决策充分性及在潜在状态奖励下的近似界限。

Comments 43 pages, 4 figures, 23 tables. Code: https://github.com/alch3mistdev/finite-pomdp-abstraction (v0.1.1)

REMI: Reconstructing Episodic Memory During Internally Driven Path Planning

REMI：在内部驱动路径规划中重建情景记忆

Zhaoze Wang, Genela Morris, Dori Derdikman, Pratik Chaudhari, Vijay Balasubramanian

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

AI总结 本文提出了一种MEC-HC连接理论，解释了网格细胞和位置细胞如何通过相互作用支持空间编码和内部驱动路径规划，如通过线索导航到记忆中的地点。

Conversation Tree Architecture: A Structured Framework for Context-Aware Multi-Branch LLM Conversations

对话树架构：一种面向上下文感知多分支LLM对话的结构化框架

Pranav Hemanth, Sampriti Saha

机构 * Pandemonium Research（Pandemonium研究院） 纠错

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

AI总结 本文提出对话树架构（CTA），通过层次化结构管理LLM对话，解决传统扁平结构导致的上下文污染问题，提供结构化对话上下文管理方法。

Comments 6 pages, 1 figure. Prototype available at https://the-conversation-tree.vercel.app/app

User Preference Modeling for Conversational LLM Agents: Weak Rewards from Retrieval-Augmented Interaction

用于对话大语言模型代理的用户偏好建模：来自检索增强交互的弱奖励

Yuren Hao, Shuhaib Mehri, ChengXiang Zhai, Dilek Hakkani-Tür

机构 * University of Illinois at Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校） 纠错

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

AI总结 本文提出VARS框架，通过长短期向量表示用户偏好，利用弱奖励在线更新向量，提升交互效率，实验证明其在多会话协作任务中表现优异。

Comments 21 pages including appendices

Bayesian Learning in Episodic Zero-Sum Games

博弈中贝叶斯学习

Chang-Wei Yueh, Andy Zhao, Ashutosh Nayyar, Rahul Jain

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

AI总结 本文研究了在未知转移和奖励模型的有限时间零和马尔可夫游戏中，贝叶斯学习的后验算法，分析了两种设置下的预期遗憾界，并在网格世界捕食者-猎物域中验证了后验采样算法的子线性遗憾性能。

Computational Concept of the Psyche

心理的计算概念

Anton Kolonin, Vladimir Krykov

机构 * Novosibirsk State University（新西伯利亚国立大学） ； Aigents（Aigents公司） ； SingularityNET Foundation（SingularityNET基金会） ； Domodedovo Business Partner（多莫德沃夫商务伙伴） 纠错

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

AI总结 本文提出了一种认知架构概念，将心理视为智能体的操作系统，通过经验学习在包含需求的状态空间中构建通用人工智能系统。

Comments 19 pages, 5 figures

Explore with Long-term Memory: A Benchmark and Multimodal LLM-based Reinforcement Learning Framework for Embodied Exploration

探索与长期记忆：一个基准和基于多模态LLM的强化学习框架用于具身探索

Sen Wang, Bangwei Liu, Zhenkun Gao, Lizhuang Ma, Xuhong Wang, Yuan Xie, Xin Tan

机构 * East China Normal University（东华大学） ； Shanghai AI Laboratory（上海人工智能实验室） 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LMEE框架，通过多模态LLM强化学习促进终身学习，构建LMEE-Bench基准评估具身探索过程与结果，采用MemoryExplorer方法提升记忆检索与主动探索能力。

Comments Accepted by CVPR 2026

Machine-Learned Leftmost Hessian Eigenvectors for Robust Transition State Finding

基于机器学习的左最Hessian特征向量用于鲁棒的过渡态寻找

Guanchen Wu, Chung-Yueh Yuan, Kareem Hegazy, Samuel M. Blau, Teresa Head-Gordon

专题命中 记忆与上下文管理 ：workflow(abstract)

AI总结 本文提出一种基于机器学习的过渡态优化器，通过预测左最Hessian特征向量提高鲁棒性，减少计算成本，提升效率。

The Art of Midwifery in LLMs: Optimizing Role Personas for Large Language Models as Moral Assistants

LLM中的产科艺术：为大型语言模型作为道德助手优化角色人格

Yangyi Wu, Tianqi Wang, Xilin Liu

专题命中 记忆与上下文管理 ：agent(abstract)

AI总结 本文提出将AI作为道德助手，通过'产科艺术'促进用户道德成长，而非替代人类判断。通过六个道德场景对话，发现不同人格类型在不同情境下表现各异，引入'建设性分歧'概念。

TrEnv-X: Transparently Share Serverless Execution Environments Across Different Functions and Nodes

TrEnv-X：跨不同函数和节点透明共享无服务器执行环境

Jialiang Huang, Teng Ma, Zheng Liu, Sixing Lin, Kang Chen, Jinlei Jiang, Xia Liao, Yingdi Shan, Yongwei Wu, Ning Zhang, Mengting Lu, Tao Ma, Haifeng Gong, Mingxing Zhang

专题命中 记忆与上下文管理 ：agent(abstract)

AI总结 TrEnv-X通过整合无服务器平台与操作系统及CXL/RDMA远程内存池，实现跨函数的可重用沙箱和内存模板，降低创建开销并提升内存弹性，实验表明其在P99延迟和内存使用上均有显著提升。

Comments Accepted by ACM Transactions on Computer Systems (TOCS)

Parallel, Asymptotically Optimal Algorithms for Moving Target Traveling Salesman Problems

并行的渐近最优算法用于移动目标旅行商问题

Anoop Bhat, Geordan Gutow, Bhaskar Vundurthy, Zhongqiang Ren, Sivakumar Rathinam, Howie Choset

机构 * Robotics Institute at Carnegie Mellon University（卡内基梅隆大学机器人研究所） ； Mechanical and Aerospace Engineering at Michigan Technological University（密歇根技术大学机械与航空航天工程） ； Global College at Shanghai Jiao Tong University（上海交通大学全球学院） ； Department of Mechanical Engineering and Department of Computer Science and Engineering at Texas A&M University（得克萨斯阿姆斯特朗大学机械工程系和计算机科学与工程系） 纠错

专题命中 记忆与上下文管理 ：agent(abstract)

AI总结 本文提出并行算法解决移动目标旅行商问题，通过交替随机采样和求解广义旅行商问题，渐近收敛于最优解，实验验证了算法在不同场景下的有效性。