AI 大模型
智能体、工具调用、规划、工作流、多智能体和自主任务执行。
记忆智能代理
机构 * East China Normal University（华东师范大学） ； Shanghai Innovation Institute（上海创新研究院） ； Harbin Institute of Technology（哈尔滨工业大学） ； Xiamen University（厦门大学） ； Shanghai Artificial Intelligence Laboratory（上海人工智能实验室） ； Independent Researcher（独立研究者）
专题命中 记忆与上下文管理 ：agent(title,summary_cn)；分类 cs.AI
AI总结 本文提出Memory Intelligence Agent框架，通过Manager-Planner-Executor架构实现高效记忆演化，结合强化学习与双向记忆转换，提升推理与自进化能力。
CLAG：基于代理驱动聚类的自适应内存组织方法用于小型语言模型代理
机构 * Korea University（韩国大学） ； Myongji University（明知大学） ； AIGEN Sciences（AIGEN公司）
专题命中 记忆与上下文管理 ：agent(title,abstract)；agentic(abstract)；分类 cs.AI、cs.CL
AI总结 CLAG通过代理驱动聚类实现小型语言模型代理的自适应内存组织，通过语义聚类减少跨主题干扰并提升内存密度，实验表明其在问答任务中能提高回答质量和鲁棒性。
Comments Findings of the ACL 2026
遗忘：通过衰减驱动的激活实现自适应的代理记忆控制
机构 * NEC Laboratories Europe（NEC欧洲实验室） ； GWDG, Georg-August-Universität Göttingen（GWDG与哥廷根亚利桑德罗大学）
专题命中 记忆与上下文管理 ：agentic(title,abstract)；agent(abstract)；分类 cs.AI、cs.CL
AI总结 Oblivion通过衰减驱动的激活机制实现自适应的记忆控制，平衡学习与遗忘，提升LLM代理推理效果。
Comments 30 pages, 6 figures, and 17 tables. The source code is available at https://github.com/nec-research/oblivion
EmbodiedLGR：整合轻量级图表示与检索用于机器人代理中的语义-空间记忆
机构 * Department of Electronics, Information, and Bioengineering (DEIB), Politecnico di Milano（电子、信息与生物工程系（DEIB），米兰理工大学）
专题命中 记忆与上下文管理 ：agent(summary_cn,abstract)；agentic(abstract)
AI总结 本文提出EmbodiedLGR-Agent，通过参数高效VLM构建语义-空间记忆，实现高效的环境记忆表示与检索，实验证明其在推理和查询时间上达到SOTA，且在实际部署中表现出良好的实用性。
Comments 8 pages, 3 figures
KAIROS：具有状态的、基于上下文的节能代理推理服务
机构 * University of Illinois, Urbana Champaign（伊利诺伊大学厄巴纳-香槟分校） ； University of Michigan（密歇根大学）
专题命中 记忆与上下文管理 ：agentic(title,abstract)；agent(abstract)；分类 cs.AI
AI总结 本文提出KAIROS，一种基于上下文的节能代理AI服务系统，通过管理GPU频率、实例并发性和请求分配，实现27%的平均能耗降低，同时保持性能。
WirelessAgent：一种用于无线资源分配问题的统一智能体设计，无需当前信道状态信息
专题命中 记忆与上下文管理 ：agent(title,abstract)；workflow(abstract)
AI总结 本文提出一种统一智能体设计，用于解决无线资源分配问题，无需当前信道状态信息。通过多目标优化满足不同用户需求，利用AI模型预测缺失信道数据，实现多目标优化。
BranchBench: 将数据库分支与代理需求对齐
专题命中 记忆与上下文管理 ：agentic(title,abstract)；autonomous agent(abstract)
AI总结 BranchBench评估可分支关系型数据库在代理探索中的性能，发现优化分支速度的系统读取速度显著下降，而优化数据操作的系统分支创建延迟更高，凸显需设计专门支持代理探索的数据库。
MEMRES: 一种带有置信度级联的内存增强解析器用于代理Python依赖解析
机构 * Faculty of Information Technology（信息科技学院） ； University of Science（科学大学） ； Vietnam National University（越南国家大学）
专题命中 记忆与上下文管理 ：agentic(title,abstract)；分类 cs.AI、cs.SE
AI总结 MEMRES通过多级置信度级联和内存增强技术提升Python依赖解析效率，其结合自演化记忆、错误模式知识库、语义导入分析及Python 2启发式检测器，实现86.6%的解析成功率。
Comments 4 pages, 1 figure, to appear in Proc. FSE Companion '26
DeepPresenter: 基于环境的反思以实现代理演示生成
机构 * Chinese Information Processing Laboratory（中国信息处理实验室） ； Institute of Software Chinese Academy of Sciences（中国科学院软件研究所） ； University of Chinese Academy of Sciences（中国科学院大学）
专题命中 记忆与上下文管理 ：agentic(title,abstract)；分类 cs.AI
AI总结 DeepPresenter通过自主规划和渲染中间幻灯片艺术来支持长周期优化，利用环境感知状态进行反馈驱动的改进，实现超越固定流程的演示生成。
WorldDB：一种带有本体感知写时 reconciliation 的向量图-世界内存引擎
机构 * Independent Researcher（独立研究员）
专题命中 记忆与上下文管理 ：agentic(abstract)；分类 cs.AI、cs.CL
AI总结 WorldDB通过引入世界概念、内容地址化和写时程序化边，解决了传统内存系统在跨会话身份丢失和冲突处理上的不足，实现了更高的准确率和鲁棒性。
时间表示用于探索：在没有外在奖励的情况下学习复杂探索行为
机构 * Mila-Quebec AI Institute（魁北克AI研究所） ； Université de Montréal（蒙特利尔大学） ； Princeton University（普林斯顿大学）
专题命中 记忆与上下文管理 ：agent(abstract)；分类 cs.AI、cs.LG
AI总结 本文提出一种基于时间对比表示的探索方法，通过优先选择不可预测未来结果的状态，实现复杂探索行为的学习，无需外在奖励。
无训练记忆使用的控制架构
机构 * Shanghai Qizhi Institute（上海启智研究所） ； Nanjing Whale Cloud（南京鲸云） ； Southeast University（东南大学） ； Xiamen University（厦门大学）
专题命中 记忆与上下文管理 ：agent(abstract)；分类 cs.AI
AI总结 本文提出一种无训练环境下记忆使用的控制方法，通过不确定性路由、置信度选择和记忆银行治理，提升推理任务表现。
连续层：为什么智能需要一个承载其前进内容的架构
机构 * Kenotic Labs（肯otic实验室）
专题命中 记忆与上下文管理 ：agentic(abstract)；分类 cs.AI
AI总结 本文探讨了AI中连续层的重要性，指出缺乏承载模型理解内容的层导致智能在会话间失去记忆。文章定义了连续性作为系统属性，提出Decomposed Trace Convergence Memory存储原语，并探讨了连续层与物理限制、治理架构的关系。
Comments 15 pages. Position paper. Companion to ATANT v1.0 (arXiv:2604.06710) and ATANT v1.1 (arXiv:2604.10981)
多模态大语言模型驱动机器人中的躯体自我识别
机构 * Center for Automation and Robotics（自动化与机器人中心） ； University of Azuay（阿祖亚大学）
专题命中 记忆与上下文管理 ：AI agent(abstract)；分类 cs.AI
AI总结 本文研究多模态大语言模型通过躯体运动经验发展自我识别能力，展示机器人在环境感知、自我识别和预测意识方面的表现，揭示感觉整合对最小自我的影响及记忆协调机制。
Comments 16 pages, 3 figures, 1 table
HeLa-Mem：基于Hebb学习和联想记忆的LLM代理
机构 * The Hong Kong University of Science and Technology (Guangzhou)（香港科技大学（广州）） ； Jilin University（吉林大学） ； The Chinese University of Hong Kong（香港中文大学）
专题命中 记忆与上下文管理 ：agent(abstract)；分类 cs.CL
AI总结 HeLa-Mem通过生物启发的动态图模型，结合联想学习与语义存储，提升LLM在长时记忆中的表现，实验显示在四个问题类别上效果更优且使用更少上下文令牌。
Comments Accepted to ACL 2026
不要开始无法完成的任务：对LLM代理支持状态分拣的反事实审计
机构 * Globeholder Paris, France（巴黎 Globeholder 机构，法国）
专题命中 记忆与上下文管理 ：agent(abstract)；分类 cs.AI
AI总结 本文通过反事实审计框架评估LLM代理在任务分拣中的能力，发现默认执行过度承诺非完整任务，而通过特定提示条件可显著提升分拣准确性。
PRINCIPLES：面向前瞻性对话代理的合成策略记忆
机构 * Department of Artificial Intelligence, Yonsei University（燕山大学人工智能学院）
专题命中 记忆与上下文管理 ：planning(abstract)；分类 cs.CL
AI总结 本文提出PRINCIPLES，一种基于离线自play模拟的合成策略记忆，用于提升前瞻性对话代理的策略规划能力，无需额外训练和数据标注，在情感支持和说服领域均表现出色。
Comments Accepted to EMNLP 2025 Findings
Journal ref Findings of the Association for Computational Linguistics: EMNLP 2025, pages 21329-21368
AttnTrace: 基于提示注入和知识腐败的上下文归因
机构 * The Pennsylvania State University（宾夕法尼亚州立大学）
专题命中 记忆与上下文管理 ：autonomous agent(abstract)；分类 cs.CL
AI总结 本文提出AttnTrace，一种基于LLM对提示生成的注意力权重的上下文追溯方法，通过增强效果和技术改进，提高了准确性和效率，并展示了其在检测长上下文中的提示注入应用。
Comments To appear in IEEE S&P 2026. The code is available at https://github.com/Wang-Yanting/AttnTrace. The demo is available at https://huggingface.co/spaces/SecureLLMSys/AttnTrace
指令作为状态：环境引导和状态条件的语义理解用于具身导航
机构 * National Key Laboratory of Human-Machine Hybrid Augmented Intelligence（人机混合增强智能国家重点实验室） ； The Institute of Artificial Intelligence and Robotics（人工智能与机器人研究所） ； School of Information Science and Technology（信息科学与技术学院） ； Zhongguancun Academy（中关村学院）
专题命中 记忆与上下文管理 ：agent(abstract)
AI总结 本文提出了一种环境引导和状态条件的语义理解方法，通过动态指令-感知纠缠提升具身导航性能，实验表明在多个基准测试中表现优异。
强磁流体湍流与相干结构作为宇宙粒子加速的驱动因素
专题命中 记忆与上下文管理 ：agent(abstract)
AI总结 本文探讨强湍流与相干结构在宇宙粒子加速中的核心作用，强调其在能量转化和粒子加速中的关键地位，提出需整合多尺度等离子体动力学与可观测的高能粒子特征。
Comments 24 pages, 24 figures. Comments and suggestions are welcome
扫码添加微信好友，提出您的宝贵建议 👇
💡 备注请填写：网站反馈