arXivDaily arXiv每日学术速递 周一至周五更新

AI 大模型

AI Agent

智能体、工具调用、规划、工作流、多智能体和自主任务执行。

2026-04-24 至 2026-04-24 共收录 4 信号源:cs.AI, cs.CL, cs.LG, cs.SE

1. 记忆与上下文管理 4 篇

2604.20300 2026-04-24 cs.AI 79%

FSFM: A Biologically-Inspired Framework for Selective Forgetting of Agent Memory

FSFM:一种生物启发的智能体记忆选择性遗忘框架

Yingjie Gu, Wenjian Xiong, Liqiang Wang, Pengcheng Ren, Chao Li, Xiaojing Zhang, Yijuan Guo, Qi Sun, Jingyao Ma, Shidang Shi

机构 * China Mobile Digital Intelligence Business Unit(中国移动数字智能业务部) China Mobile Jiutian Company(中国移动蓟田公司) China Mobile Jiutian Research Institute(中国移动蓟田研究院)

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

AI总结 本文提出FSFM框架,通过生物启发机制实现智能体记忆的选择性遗忘,提升效率、质量和安全性,经实验验证在访问效率、内容质量和安全性能上均有显著提升。

Comments 28 pages, 5 figures, 3 tables

详情

展开后加载摘要…

URL PDF HTML 收藏
2604.20948 2026-04-24 cs.HC 78%

Can Virtual Agents Care? Designing an Empathetic and Personalized LLM-Driven Conversational Agent

虚拟代理能关心吗?设计一个具有同理心和个性化的LLM驱动对话代理

Truong Le Minh Toan, Dieu Bang Mach, Tan Duy Le, Nguyen Tan Viet Tuyen

专题命中 记忆与上下文管理 :agent(title,abstract)

AI总结 本文提出一种框架,通过检索增强架构、结构化记忆和多模态交互,设计出具有同理心和个性化支持的虚拟代理,以提升心理健康支持的质量和可靠性。

Comments Accepted manuscript version to be presented at the SCI-2026

详情

展开后加载摘要…

URL PDF HTML 收藏
2604.09000 2026-04-24 cs.CV 78%

StreamMeCo: Long-Term Agent Memory Compression for Efficient Streaming Video Understanding

StreamMeCo:用于高效流视频理解的长期智能体内存压缩

Junxi Wang, Te Sun, Jiayi Zhu, Junxian Li, Haowen Xu, Zichen Wen, Xuming Hu, Zhiyu Li, Linfeng Zhang

机构 * Shanghai Jiao Tong University(上海交通大学) Fudan University(复旦大学) Shanghai AI Laboratory(上海人工智能实验室) Hong Kong University of Science and Technology(香港科学与技术大学) MemTensor (Shanghai) Technology Co., Ltd.(MemTensor(上海)技术有限公司)

专题命中 记忆与上下文管理 :agent(title,abstract)

AI总结 StreamMeCo通过内存图连通性引入边自由minmax采样和边感知权重剪枝,有效压缩内存并保持精度,实验表明在70%压缩下实现1.87倍检索速度提升和1.0%的准确率提升。

Comments 2026ACL Findings

详情

展开后加载摘要…

URL PDF HTML 收藏
2604.20846 2026-04-24 cs.IR cs.AI 74%

ADS-POI: Agentic Spatiotemporal State Decomposition for Next Point-of-Interest Recommendation

ADS-POI: 基于代理的时空状态分解用于下一步兴趣点推荐

Zhenyu Yu, Chunlei Meng, Yangchen Zeng, Mohd Yamani Idna Idris, Shuigeng Zhou

机构 * Fudan University(复旦大学) Southeast University(东南大学) University of Malaya(马来亚大学)

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

AI总结 ADS-POI通过分解用户行为为多个时空感知状态,提升兴趣点推荐的准确性和鲁棒性,实验显示其优于现有最先进基线。

详情

展开后加载摘要…

URL PDF HTML 收藏