AI Agent

AtomMem : Learnable Dynamic Agentic Memory with Atomic Memory Operation

AtomMem：具有原子内存操作的可学习动态代理记忆

Yupeng Huo, Yaxi Lu, Zhong Zhang, Haotian Chen, Yankai Lin

机构 * Renmin University of China（中国人民大学） ； Tsinghua University（清华大学） 纠错

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

AI总结 AtomMem通过将内存管理转化为动态决策问题，结合监督微调与强化学习，实现了任务对齐的自主内存策略，优于传统静态工作流方法。

WorldMM: Dynamic Multimodal Memory Agent for Long Video Reasoning

WorldMM: 动态多模态记忆代理用于长视频推理

Woongyeong Yeo, Kangsan Kim, Jaehong Yoon, Sung Ju Hwang

机构 * KAIST（韩国科学技术院） ； NTU Singapore（新加坡南洋理工大学） 纠错

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

AI总结 WorldMM通过构建和检索多种互补记忆，提升长视频推理能力，实现8.4%的性能提升。

Comments CVPR 2026. Project page : https://worldmm.github.io

Shared Spatial Memory Through Predictive Coding

通过预测编码构建共享空间记忆

Zhengru Fang, Yu Guo, Yuang Zhang, Haonan An, Wenbo Ding, Yuguang Fang

机构 * Hong Kong Jockey Club STEM Lab of Smart City Department of Computer Science, City University of Hong Kong（香港赛马会STEM智慧城市实验室，计算机科学系，香港城市大学） 纠错

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

AI总结 本文提出基于预测编码的多智能体框架，通过信息瓶颈目标实现协调，利用内部空间编码提升通信效率，展示在Memory-Maze任务中对带宽约束的鲁棒性。

The Dual-State Architecture for Reliable LLM Agents

双状态架构用于可靠的LLM代理

Matthew Thompson

机构 * Independent Researcher（独立研究者） 纠错

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

AI总结 本文提出双状态动作对DSAP，通过结合随机生成与确定性后置条件验证，提升LLM代理在软件工程中的可靠性，实验表明在1.2-2.1倍基准成本下可靠性提升达66个百分点。

Comments 18 pages, 2 figures, 5 tables. V2 extends and supersedes V1, introducing tri-state guard semantics, a three-level recovery hierarchy, and SWE-Bench boundary analysis

MemoryCD: Benchmarking Long-Context User Memory of LLM Agents for Lifelong Cross-Domain Personalization

MemoryCD：LLM代理跨领域终身个性化长期上下文用户记忆基准测试

Weizhi Zhang, Xiaokai Wei, Wei-Chieh Huang, Zheng Hui, Chen Wang, Michelle Gong, Philip S. Yu

机构 * Roblox ； University of Illinois Chicago（伊利诺伊大学芝加哥分校） ； University of Cambridge（剑桥大学） 纠错

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

AI总结 MemoryCD通过12个多样化领域和4种个性化任务，评估14种先进LLM基模型与6种记忆方法在单域和跨域场景下的长期上下文用户记忆能力，揭示现有方法在跨领域终身个性化中的不足。

Comments Published as a workshop paper in Lifelong Agent @ ICLR 2026

Shaping Credibility Judgments in Human-GenAI Partnership via Weaker LLMs: A Transactive Memory Perspective on AI Literacy

通过较弱的LLM塑造人类-生成AI伙伴关系中的可信度判断：从交易记忆视角看AI素养

Md Touhidul Islam, Mahir Akgun, Syed Billah

专题命中 记忆与上下文管理 ：workflow(abstract)

AI总结 研究通过交易记忆视角探讨学生与生成AI合作中可信度判断的塑造，采用较弱LLM设计实验，发现反思优先组学生对生成AI的依赖显著降低。

Comments 14 pages, Accepted in AIED'26