AI Agent

MolMem: Memory-Augmented Agentic Reinforcement Learning for Sample-Efficient Molecular Optimization

MolMem：基于记忆的代理强化学习用于样本高效的分子优化

Ziqing Wang, Yibo Wen, Abhishek Pandy, Han Liu, Kaize Ding

机构 * Northwestern University（西北大学） ； AbbVie（阿比维） 纠错

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

AI总结 MolMem通过双记忆系统提升分子优化的样本效率，利用静态示例记忆和进化技能记忆，实现90%的成功率和52%的多属性任务表现。

Identity as Attractor: Geometric Evidence for Persistent Agent Architecture in LLM Activation Space

身份作为吸引子：LLM激活空间中持久代理架构的几何证据

Vladimir Vasilenko

机构 * Independent Researcher（独立研究者） ； Rapallo, Italy（意大利拉帕洛） 纠错

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

AI总结 研究通过对比不同条件下的隐藏状态，发现语义相似的提示在LLM激活空间中呈现吸引子行为，证明代理身份文档在激活空间中诱导吸引子几何结构。

Comments 16 pages, 5 figures. Code and data: https://github.com/b102e/yar-attractor-experiment

Agentic Discovery with Active Hypothesis Exploration for Visual Recognition

具有主动假设探索的代理发现用于视觉识别

Jaywon Koo, Jefferson Hernandez, Ruozhen He, Hanjie Chen, Chen Wei, Vicente Ordonez

机构 * Rice University（里士大学） 纠错

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

AI总结 本文提出HypoExplore框架，通过进化分支发现视觉识别的神经网络架构，通过大语言模型生成假设并评估改进，最终在CIFAR-10上实现94.11%的准确率，并在其他数据集上展示出优越性能。

Thought-Retriever: Don't Just Retrieve Raw Data, Retrieve Thoughts for Memory-Augmented Agentic Systems

Thought-Retriever: 不只是检索原始数据，为记忆增强型智能体检索思想

Tao Feng, Pengrui Han, Guanyu Lin, Ge Liu, Jiaxuan You

机构 * University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校） ； Carnegie Mellon University（卡内基梅隆大学） 纠错

专题命中 记忆与上下文管理 ：agentic(title)；分类 cs.CL

AI总结 本文提出Thought-Retriever，一种无需受上下文长度限制的算法，使LLM能基于任意长外部数据生成输出。通过利用历史查询生成的中间响应，构建长期记忆，提升回答能力。

Journal ref Transactions on Machine Learning Research (TMLR), 04/2026

ReflectCAP: Detailed Image Captioning with Reflective Memory

ReflectCAP: 基于反思记忆的详细图像描述

Kyungmin Min, Minbeom Kim, Kang-il Lee, Seunghyun Yoon, Kyomin Jung

机构 * IPAI, Seoul National University（首尔国立大学IPAI） ； Dept. of ECE, Seoul National University（首尔国立大学电子与计算机工程系） ； Adobe Research（Adobe研究） 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 ReflectCAP通过反思笔记指导生成详细且准确的图像描述，平衡事实性和覆盖性，优于现有方法。

DarwinTOD: LLM-driven Lifelong Self-evolution for Task-oriented Dialog Systems

DarwinTOD: 基于LLM的持续自我进化任务导向对话系统

Shuyu Zhang, Yujie Liu, Xinru Wang, Cheng Zhang, Yanmin Zhu, Bin Li

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

AI总结 DarwinTOD通过整合进化计算与LLM驱动的自我改进，提出一种持续自我进化对话框架，实现零样本基础下的持续策略优化，无需任务特定微调。

Comments Accepted in ACL2026 main

Drawing on Memory: Dual-Trace Encoding Improves Cross-Session Recall in LLM Agents

基于记忆的绘制：双轨迹编码提升LLM代理跨会话回忆

Benjamin Stern, Peter Nadel

机构 * Tufts University（塔夫茨大学） 纠错

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

AI总结 本文提出双轨迹编码方法，通过将事实与具体场景描述结合，提升LLM代理在跨会话中的回忆能力，实验显示在时间推理、知识更新追踪和多会话聚合方面有显著提升。

Comments 16 pages, 2 tables, 2 figures

Speaker effects in language comprehension: An integrative model of language and speaker processing

说话者效应在语言理解中的作用：语言与说话者处理的整合模型

Hanlin Wu, Zhenguang G. Cai

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

AI总结 本文提出整合语言与说话者处理的模型，探讨说话者效应通过感知和预期调节语言理解，并讨论其在语言发展和社会认知中的应用。

Journal ref Psychon Bull Rev 33, 138 (2026)

AgenticAI-DialogGen: Topic-Guided Conversation Generation for Fine-Tuning and Evaluating Short- and Long-Term Memories of LLMs

AgenticAI-DialogGen：基于主题引导的对话生成用于微调和评估LLM的短期和长期记忆

Manoj Madushanka Perera, Adnan Mahmood, Kasun Eranda Wijethilake, Quan Z. Sheng

机构 * School of Computing, Macquarie University（麦考瑞大学计算机学院） 纠错

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

AI总结 本文提出AgenticAI-DialogGen框架，通过生成基于角色和主题的对话来微调和评估LLM的短期和长期记忆，引入了TopicGuidedChat数据集以提升对话质量和模型性能。

Comments 13 pages, 5 figures, 5 tables

Memory as Metabolism: A Design for Companion Knowledge Systems

记忆作为代谢：一种陪伴知识系统的 设计

Stefan Miteski

机构 * CODE University Berlin（CODE大学柏林） 纠错

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

AI总结 本文提出一种针对单用户知识维基的治理框架，通过五项操作处理记忆中的矛盾证据，以避免固化问题。

Comments 41 pages, 1 table. Preprint v3.642. Concept DOI: 10.5281/zenodo.19501651

When to Forget: A Memory Governance Primitive

何时遗忘：一种记忆治理原语

Baris Simsek

机构 * Baris Simsek（巴里·西姆塞克） 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Memory Worth，一种通过跟踪记忆与成功/失败结果共现次数来评估记忆质量的机制，为动态管理提供理论基础，并在实验中验证其有效性。

Comments 12 pages, 5 figures

MeloTune: On-Device Arousal Learning and Peer-to-Peer Mood Coupling for Proactive Music Curation

MeloTune：设备端唤醒学习与点对点情绪耦合用于主动音乐编曲

Hongwei Xu

机构 * Hongwei Xu（许洪伟） 纠错

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

AI总结 MeloTune通过设备端唤醒学习与点对点情绪耦合，实现基于情绪感知的主动音乐编曲，采用闭式连续时间网络和认知记忆块整合，提升音乐推荐准确性与用户满意度。

Comments 31 pages, 1 figures, 3 tables

Transferable excited-state dynamics enable screening of fluorescent protein chromophores

可迁移的激发态动力学使荧光蛋白色素的筛选成为可能

Rhyan Barrett, Sophia Wesely, Julia Westermayr

专题命中 记忆与上下文管理 ：workflow(abstract)

AI总结 本文提出X-MACE机器学习势能，结合曲率驱动表面跃迁，实现高效筛选光化学路径，通过荧光色素示例展示结构修饰对激发态弛豫、寿命和光异构化产率的影响。