AI Agent

EvoTest: Evolutionary Test-Time Learning for Self-Improving Agentic Systems

EvoTest: 为自改进智能体系统设计的进化测试时学习

Yufei He, Juncheng Liu, Yue Liu, Yibo Li, Tri Cao, Zhiyuan Hu, Xinxing Xu, Bryan Hooi

机构 * National University of Singapore（国立新加坡大学） ； Microsoft Research（微软研究院） 纠错

专题命中 记忆与上下文管理 ：agentic(title,abstract)；agent(abstract,abstract_cn)；AI agent(abstract)；tool-use(abstract)

AI总结 本文提出EvoTest框架，通过进化方法在无需微调或梯度的情况下提升智能体性能，在J-TTL基准中超越传统方法，能赢得两局游戏。

Comments ICLR 2026

Discover and Prove: An Open-source Agentic Framework for Hard Mode Automated Theorem Proving in Lean 4

发现与证明：一个开源代理框架用于Lean 4中的硬模式自动定理 proving

Chengwu Liu, Yichun Yin, Ye Yuan, Jiaxuan Xie, Botao Li, Siqi Li, Jianhao Shen, Yan Xu, Lifeng Shang, Ming Zhang

机构 * State Key Laboratory for Multimedia Information Processing, School of Computer Science, PKU-Anker LLM Lab, Peking University（信息处理国家重点实验室，计算机科学学院，PKU-Anker LLM实验室，北京大学） ； Huawei Technologies Co., Ltd.（华为技术有限公司） ； School of Software & Microelectronics, Peking University（软件与微电子学院，北京大学） ； School of Electronics Engineering and Computer Science, Peking University（电子工程与计算机科学学院，北京大学） 纠错

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

AI总结 本文提出DAP框架，通过LLM自然语言推理与自我反思发现答案，并将硬模式问题转换为易模式问题以提升自动定理证明性能，实现了CombiBench和PutnamBench上的显著提升。

Comments ACL 2026 Main Conference

MemExplorer: Navigating the Heterogeneous Memory Design Space for Agentic Inference NPUs

MemExplorer: 在代理推理NPU中导航异构内存设计空间

Haoran Wu, Zeyu Cao, Yao Lai, Binglei Lou, Jiayi Nie, Can Xiao, Timi Adeniran, Przemyslaw Forys, Kauser Johar, Catriona Wright, Junyi Liu, Kai Shi, Nicholas D. Lane, Rika Antonova, Jianyi Cheng, Timothy Jones, Aaron Zhao, Robert Mullins

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

AI总结 MemExplorer通过统一抽象模型和自动优化，为异构NPU系统设计高效内存架构，提升能效和性能。

Projected Dynamic Programming for Sequential Quantum State Discrimination

投影动态规划用于顺序量子态辨识

Jaehun Jeong, Donghwa Ji, Hyunjun Jang, Kabgyun Jeong

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

AI总结 本文将顺序量子态辨识问题建模为静态隐藏状态部分可观测马尔可夫决策过程，通过网格离散化连续信念单纯形并分析误差和计算复杂性，验证了量子领域中的精度与复杂性权衡及维度诅咒。

Comments 54 pages, 18 figures

CoMeT: Collaborative Memory Transformer for Efficient Long Context Modeling

CoMeT：用于高效长上下文建模的协作记忆变换器

Runsong Zhao, Shilei Liu, Jiwei Tang, Langming Liu, Haibin Chen, Weidong Zhang, Yujin Yuan, Tong Xiao, Jingbo Zhu, Wenbo Su, Bo Zheng

机构 * School of Computer Science and Engineering, Northeastern University, Shenyang 110819, China（东北大学计算机科学与工程学院） ； Tsinghua University（清华大学） ； Future Living Lab of Alibaba（阿里巴巴未来生活实验室） 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 CoMeT通过双内存系统和层级流水线并行策略，实现长上下文处理的常数内存和线性时间复杂度，有效提升模型性能。

Comments ACL 2026 main

Dual-Timescale Memory in a Spiking Neuron-Astrocyte Network for Efficient Navigation

双时间尺度记忆在尖峰神经元-胶质细胞网络中的应用：用于高效导航

Yuliya Tsybina, Evgenia Antonova, Sergey Shchanikov, Vsevolod Kulagin, Alexey Mikhaylov, Victor Kazantsev, Vyacheslav Demin, Susanna Gordleeva

专题命中 记忆与上下文管理 ：agent(abstract)

AI总结 本文提出了一种结合神经元和胶质细胞动态的双时间尺度记忆机制，通过尖峰时间依赖性可塑性（STDP）和胶质细胞钙瞬变，实现高效导航，减少路径长度并提升目标完成率。