AI Agent

Portable Agent Memory: A Protocol for Cryptographically-Verified Memory Transfer Across Heterogeneous AI Agents

可携带代理记忆：一种用于跨异构AI代理加密验证记忆传输的协议

Santhosh Kumar Ravindran

机构 * Microsoft Corporation（微软公司） 纠错

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

AI总结 本文提出Portable Agent Memory协议，通过结构化内存模型、基于能力的访问控制、抗注入重水化协议和JSON优先的序列化格式，实现跨异构AI代理的安全记忆传输。

Comments 8 pages, 28 references

LongMemEval-V2: Evaluating Long-Term Agent Memory Toward Experienced Colleagues

LongMemEval-V2：评估长期代理记忆以成为经验丰富的同事

Di Wu, Zixiang Ji, Asmi Kawatkar, Bryan Kwan, Jia-Chen Gu, Nanyun Peng, Kai-Wei Chang

机构 * University of California, Los Angeles（加州大学洛杉矶分校） 纠错

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

AI总结 LongMemEval-V2通过451个手动整理的问题评估代理记忆系统是否能帮助代理在定制环境中获取经验，采用上下文收集方法并提出两种记忆方法，实验显示AgentRunbook-C在准确率上表现最佳。

Comments Work in Progress

SAGE: A Self-Evolving Agentic Graph-Memory Engine for Structure-Aware Associative Memory

SAGE：一种自演化代理图记忆引擎，用于结构感知的联想记忆

Juntong Wang, Haoyue Zhao, guanghui Pan, Xiyuan Wang, Yanbo Wang, Qiyan Deng, Muhan Zhang

机构 * Institute for Artificial Intelligence, Peking University（北京大学人工智能研究院） ； School of Intelligence Science and Technology, Peking University（北京大学智能科学与技术学校） ； School of Computer Science and Technology, Beijing Institute of Technology（北京理工大学计算机科学与技术学校） 纠错

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

AI总结 SAGE通过自演化机制和图记忆引擎提升长期记忆能力，在多跳问答、开放领域检索等任务中表现出色，显著提高了证据恢复和检索效率。

State Twins: An Off-Chain Substrate for Agentic Reasoning over Decentralized Finance Protocols

状态双生：一种链下子层，用于在去中心化金融协议上进行代理推理

Ian C. Moore

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

AI总结 本文提出State Twin，一种链下子层，用于在去中心化金融协议上进行代理推理。通过将AMM池建模为离散时间受控动态系统，提供精确数学模型和操作扩展能力，实现快速回放和反事实模拟。

Comments 14 pages, 1 table, 7 listings; reference implementation at https://github.com/defipy-devs/defipy

Agent-Based Post-Hoc Correction of Agricultural Yield Forecasts

基于代理的农业产量预测事后修正

Matthew Beddows, Aiden Durrant, Georgios Leontidis

机构 * School of Natural and Computing Sciences（自然与计算科学学院） ； University of Aberdeen（阿伯丁大学） ； School of Computing Sciences（计算科学学院） ； University of East Anglia（东安格利亚大学） ； Department of Physics and Technology（物理与技术系） ； UiT The Arctic University of Norway（北欧大学（UiT）） 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 本文提出一种结构化的LLM代理框架，用于事后修正现有模型预测，通过编码农业领域知识提升预测准确性，在草莓和玉米数据集上显著降低MAE和MASE。

Comments 21 pages, 6 figures, 6 tables

Beyond RAG for Agent Memory: Retrieval by Decoupling and Aggregation

超越RAG的代理记忆：通过解耦与聚合进行检索

Zhanghao Hu, Qinglin Zhu, Runcong Zhao, Di Liang, Hanqi Yan, Yulan He, Lin Gui

机构 * King’s College London（伦敦国王学院） ； Tencent, Yuanbao Team（腾讯元宝团队） 纠错

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

AI总结 本文提出xMemory，通过解耦与聚合原则优化代理记忆检索，提升答案质量和推理效率。

Comments Project Address: https://zhanghao-xmemory.github.io/Academic-project-page-template/; Code Address: https://github.com/HU-xiaobai/xMemory

MedMemoryBench: Benchmarking Agent Memory in Personalized Healthcare

MedMemoryBench：个性化医疗中智能体记忆的基准测试

Yihao Wang, Haoran Xu, Renjie Gu, Yixuan Ye, Xinyi Chen, Xinyu Mu, Yuan Gao, Chunxiao Guo, Peng Wei, Jinjie Gu, Huan Li, Ke Chen, Lidan Shou

机构 * Zhejiang University（浙江大学） ； Ant Group（蚂蚁集团） ； Alibaba Group（阿里巴巴集团） ； Beijing University of Posts and Telecommunications（北京邮电大学） 纠错

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MedMemoryBench，通过合成真实医疗场景数据，评估智能体长期记忆能力，并揭示主流架构在复杂医疗推理中的缺陷。

Intermediate Artifacts as First-Class Citizens: A Data Model for Durable Intermediate Artifacts in Agentic Systems

中间产物作为第一公民：代理系统中持久中间产物的数据模型

Josh Rosen, Seth Rosen

机构 * ThruWire, Inc.（ThruWire公司） 纠错

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

AI总结 本文提出一种数据模型，旨在保存可追溯、可版本化且可被下游计算使用的持久中间产物，以提高AI生成工作的可审查性和可维护性。

Comments 18 pages, 1 figure, 3 tables

Shaping Zero-Shot Coordination via State Blocking

通过状态阻塞塑造零样本协调

Mingu Kang, Sunwoo Lee, Yonghyeon Jo, Seungyul Han

机构 * Graduate School of Artificial Intelligence（人工智能研究生院） ； UNIST（全南国立科学技术院） 纠错

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

AI总结 本文提出State-Blocked Coordination框架，通过生成虚拟环境诱导多样交互场景，提升零样本协调的泛化能力，尤其在人类伙伴上的表现优异。

Comments 9 technical page followed by references and appendix

Layered Mutability: Continuity and Governance in Persistent Self-Modifying Agents

分层可变性：持续性与治理在持久自修改代理中的作用

Krti Tallam

机构 * Kamiwaza AI 纠错

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

AI总结 本文提出分层可变性框架，分析持久自修改代理中行为持续性和治理挑战，指出突变速度、下游耦合强度、可逆性弱和可观测性低会导致层间不匹配，主要贡献是揭示了自修改代理的失效模式是组合漂移而非突变对齐。

Comments 17 pages, 2 figures, 3 tables. self-modifying agents; AI governance; identity drift; persistent memory; runtime adaptation; model editing Primary: cs.AI Cross-list: cs.LG, cs.CY

Leveraging RAG for Training-Free Alignment of LLMs

利用RAG实现无需训练的LLM对齐

John T. Halloran

机构 * Leidos（莱迪奥斯公司） 纠错

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

AI总结 本文提出RAG-Pref算法，通过对比信息提升对抗攻击拒绝能力，相比其他方法在五种主流LLM上提升3.7倍，同时保持计算效率。

Comments 19 pages, 4 figures, and 6 tables

$δ$-mem: Efficient Online Memory for Large Language Models

$δ$-mem: 高效的大型语言模型在线内存

Jingdi Lei, Di Zhang, Junxian Li, Weida Wang, Kaixuan Fan, Xiang Liu, Qihan Liu, Xiaoteng Ma, Baian Chen, Soujanya Poria

机构 * Nanyang Technological University（南洋理工大学） ； Fudan University（复旦大学） ； Mind Lab ； Shanghai Jiao Tong University（上海交通大学） ； The Chinese University of Hong Kong（香港中文大学） ； The Hong Kong University of Science and Technology (Guangzhou)（香港科技大学（广州）） 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$δ$-mem机制，通过紧凑的在线状态与注意力计算直接耦合，提升模型在长文本任务中的表现，无需全微调或替换backbone。

Human-AI Productivity Paradoxes: Modeling the Interplay of Skill, Effort, and AI Assistance

人机生产力悖论：技能、努力与AI辅助的交互建模

Ali Aouad, Thodoris Lykouris, Huiying Zhong

机构 * Massachusetts Institute of Technology（麻省理工学院） 纠错

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

AI总结 本文通过建模技能、努力与AI辅助的交互，探讨AI对生产力的影响机制，发现技能发展内生性或AI不可靠性可能引发生产力悖论，并揭示技能极化现象的形成机制。

SkillMaster: Toward Autonomous Skill Mastery in LLM Agents

SkillMaster：迈向LLM代理自主技能掌握

Min Yang, Jinghua Piao, Xu Xia, Xiaochong Lan, Jiaju Chen, Yongshun Gong, Yong Li

机构 * Shandong University（山东大学） ； Zhongguancun Academy（中关村学院） ； Tsinghua University（清华大学） ； Southeast University（东南大学） ； University of Science and Technology of China（中国科学技术大学） 纠错

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

AI总结 SkillMaster通过轨迹引导技能复习、反事实效用评估和DualAdv-GRPO算法，使LLM代理能自主创建、优化和选择技能，提升任务成功率8.8%和9.3%。

MindMirror: A Local-First Multimodal State-Aware Support System for Digital Workers

MindMirror: 一种面向数字工作者的本地优先多模态状态感知支持系统

Wenqi Luo, Changbo Wang, Yan Wang

专题命中 记忆与上下文管理 ：workflow(abstract)

AI总结 MindMirror通过整合面部表情、文本输入和语音交互等多模态数据，为数字工作者提供本地优先的状态感知支持，通过本地大语言模型生成响应，提升工作效率与状态监控能力。

Comments 10 pages, 4 figures, 12 tables. Technical report

Grounding by Remembering: Cross-Scene and In-Scene Memory for 3D Functional Affordances

通过记忆实现 grounding：跨场景和场景内的记忆用于3D功能 affordances

Qirui Wang, Jingyi He, Yining Pan, Xulei Yang, Shijie Li

机构 * TUM（慕尼黑工业大学） ； A*STAR（新加坡科技研究局） 纠错

专题命中 记忆与上下文管理 ：agent(abstract)

AI总结 本文提出AFFORDMEM框架，通过跨场景和场景内的记忆实现3D功能 affordances的grounding，无需微调和标注，提升AP50性能。