AI Agent

Infrastructure for Valuable, Tradable, and Verifiable Agent Memory

基础设施：有价值的、可交易的和可验证的智能体记忆

Mengyuan Li, Lei Gao, Haoxuan Xu, Jiate Li, Potung Yu, Lingke Cheng, Yue Zhao, Murali Annavaram

专题命中 记忆与上下文管理 ：agent(title,abstract)；autonomous agent(abstract)

AI总结 本文提出clawgang和meowtrade，通过可验证的计算溯源和市场层，将智能体记忆转化为可交易的经济资产，实现记忆的可转移和可重复利用。

Software as Content: Dynamic Applications as the Human-Agent Interaction Layer

软件作为内容：动态应用作为人-智能体交互层

Mulong Xie, Yang Xie

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

AI总结 本文提出软件作为内容（SaC）范式，通过动态生成的智能体应用作为人-智能体交互媒介，解决传统自然语言接口在结构信息处理和复杂任务中的局限性，展示其在选择、探索和执行任务中的可行性。

Comments 37 pages, 10 figures

VehicleMemBench: An Executable Benchmark for Multi-User Long-Term Memory in In-Vehicle Agents

VehicleMemBench：多用户长期记忆的可执行基准

Yuhao Chen, Yi Xu, Xinyun Ding, Xiang Fang, Shuochen Liu, Luxi Lin, Qingyu Zhang, Ya Li, Quan Liu, Tong Xu

机构 * University of Science and Technology of China（中国科学技术大学） ； iFLYTEK Research（iFLYTEK研究院） ； Xiamen University（厦门大学） ； University of Chinese Academy of Sciences（中国科学院大学） 纠错

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

AI总结 本文提出VehicleMemBench，用于评估车载代理的多用户长期记忆能力，通过可执行仿真环境比较行动后环境状态与目标状态，揭示强大模型在动态偏好变化场景中的不足，强调需更 robust 的记忆管理机制。

Symmetry-Guided Memory Augmentation for Efficient Locomotion Learning

基于对称性的记忆增强方法用于高效运动学习

Kaixi Bao, Chenhao Li, Yarden As, Andreas Krause, Marco Hutter

机构 * Department of Mechanical and Process Engineering, ETH Zurich, Switzerland（瑞士苏黎世联邦理工学院机械与过程工程系） ； ETH AI Center, ETH Zurich, Switzerland（瑞士苏黎世联邦理工学院人工智能中心） ； Department of Computer Science, ETH Zurich, Switzerland（瑞士苏黎世联邦理工学院计算机科学系） 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SGMA框架，通过结合结构化经验增强与基于记忆的上下文推断，提升强化学习政策训练效率。利用机器人与任务对称性生成物理一致的训练经验，避免 naive 增强的弊端，使代理能保留任务相关上下文并适应行为。在仿真和真实四足机器人上验证了方法的有效性。

3D-LLDM: Label-Guided 3D Latent Diffusion Model for Improving High-Resolution Synthetic MR Imaging in Hepatic Structure Segmentation

3D-LLDM：基于标签的3D潜在扩散模型用于提高肝结构分割的高分辨率合成MR影像

Kyeonghun Kim, Jaehyeok Bae, Youngung Han, Joo Young Bae, Seoyoung Ju, Junsu Lim, Gyeongmin Kim, Nam-Joon Kim, Woo Kyoung Jeong, Ken Ying-Kai Liao, Won Jae Lee, Pa Hong, Hyuk-Jae Lee

机构 * OUTTA, Republic of Korea（韩国OUTTA） ； Stanford University（斯坦福大学） ； Seoul National University（首尔国立大学） ； Sangmyung University（Sangmyung大学） ； Chung-Ang University（Chung-Ang大学） ； Samsung Medical Center（三星医疗中心） ； NVIDIA ； Sungkyunkwan University School of Medicine（成均馆大学医学院） ； Samsung Changwon Hospital（三星昌原医院） 纠错

专题命中 记忆与上下文管理 ：agent(abstract)

AI总结 本文提出3D-LLDM模型，通过标签引导生成高质量合成MR影像，提升肝结构分割的精度，实验表明其在数据增强中提升了肝细胞癌分割的Dice得分。

Comments Accepted to ISBI 2026 (Oral). Camera-ready version