AI Agent

Agentic Harness Engineering: Observability-Driven Automatic Evolution of Coding-Agent Harnesses

代理 harness 工程：基于可观测性的自动进化编码代理 harness

Jiahang Lin, Shichun Liu, Chengjun Pan, Lizhi Lin, Shihan Dou, Zhiheng Xi, Xuanjing Huang, Hang Yan, Zhenhua Han, Tao Gui, Yu-Gang Jiang

机构 * Fudan University（复旦大学） ； Peking University（北京大学） ； Shanghai Qiji Zhifeng Co., Ltd（上海启智锋科技有限公司） 纠错

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

AI总结 本文提出了一种基于可观测性的代理 harness 工程方法，通过三个支柱解决 harness 工程中的挑战，使 harness 进化过程自动且可控，实验表明其在多个基准测试中表现优异。

Some[Body] Must Receive That Pain for Agent Accountability

某些身体必须承受痛苦以实现代理问责

Botao Amber Hu, Helena Rong

机构 * University of Oxford（牛津大学） ； New York University Shanghai（纽约大学上海分校） 纠错

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

AI总结 本文研究了人工智能代理问责中的后果接收问题，指出当前LLM代理无法满足必要的身体条件，因此传统法律回应失效，提出需要建立社会技术基础设施来实现后果-代理耦合。

Evo-Memory: Benchmarking LLM Agent Test-time Learning with Self-Evolving Memory

Evo-Memory：通过自演化记忆基准测试LLM代理的测试时间学习

Tianxin Wei, Noveen Sachdeva, Benjamin Coleman, Zhankui He, Yuanchen Bei, Xuying Ning, Mengting Ai, Yunzhe Li, Jingrui He, Ed H. Chi, Chi Wang, Shuo Chen, Fernando Pereira, Wang-Cheng Kang, Derek Zhiyuan Cheng

机构 * Google DeepMind（谷歌DeepMind） ； University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校） 纠错

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

AI总结 本文提出Evo-Memory，一个用于评估LLM代理自演化记忆能力的综合流基准和框架，通过构建序列任务流数据集，要求LLM在每次交互后搜索、适应和演化记忆，并在10个多样化的多轮目标导向和单轮推理与问答数据集上评估了超过十种代表性的记忆模块。

OProver: A Unified Framework for Agentic Formal Theorem Proving

OProver：一个用于代理形式定理证明的统一框架

David Ma, Kaijing Ma, Shawn Guo, Yunfeng Shi, Enduo Zhao, Jiajun Shi, Zhaoxiang Zhang, Gavin Cheung, Jiaheng Liu, Zili Wang

机构 * Lean 4 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OProver，一个用于Lean 4的统一框架，通过迭代修订检索到的编译器验证证明和Lean编译器反馈来改进代理证明，通过持续预训练和迭代后训练，使OProver-32B在多个基准测试中取得最佳成绩。

AscendOptimizer: Episodic Agent for Ascend NPU Operator Optimization

AscendOptimizer: 一种用于Ascend NPU运算优化的经验型智能体

Jiehao Wu, Zixiao Huang, Wenhao Li, Chuyun Shen, Junjie Sheng, Xiangfeng Wang

机构 * School of Computer Science and Technology, East China Normal University（东华大学计算机科学与技术学院） ； School of Computer Science and Technology, Tongji University（同济大学计算机科学与技术学院） ； Shanghai University of International Business and Economics（上海国际商务经济大学） ； Key Lab of Mathematics and Engineering Applications (MoE), East China Normal University（东华大学数学与工程应用重点实验室） ； School of Mathematical Sciences, East China Normal University（东华大学数学科学学院） ； Shenzhen Loop Area Institute (SLAI)（深圳环宇院） 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AscendOptimizer，通过自身执行构建缺失的优化知识，结合主机侧和内核侧优化，实现AscendC运算的加速，达到1.21倍的几何平均速度提升。

GroupMemBench: Benchmarking LLM Agent Memory in Multi-Party Conversations

GroupMemBench: 多方对话中LLM代理记忆的基准测试

Jingbo Yang, Kwei-Herng Lai, Xiaowen Wang, Shiyu Chang, Yaar Harari, Evgeniy Gabrilovich

机构 * UC Santa Barbara（加州大学圣芭芭拉分校） ； Microsoft（微软） 纠错

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

AI总结 本文提出GroupMemBench，用于评估多方对话中LLM代理的记忆能力，揭示现有记忆系统在群体动态、信念跟踪和语言适应方面的不足。

Generation Navigator: A State-Aware Agentic Framework for Image Generation

生成导航器：一种基于状态的图像生成代理框架

Jinming Liu, Ruoyu Feng, Yuqi Wang, Wenjun Zeng, Xin Jin

机构 * Shanghai Jiao Tong University（上海交通大学） ； Eastern Institute of Technology（东部技术研究所） ； Independent（独立） 纠错

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

AI总结 本文提出了一种基于状态的图像生成代理框架Generation Navigator，通过将图像生成问题重新表述为状态条件下的动作生成问题，解决了传统方法中在强化学习训练中因信用分配问题导致的不足，通过PRE-GRPO算法提升了生成质量与推理准确性。

Principal-agent problems with adverse selection: A stochastic target problem formulation

有 adverse selection 的委托-代理问题：一个随机目标问题的 formulation

Guillermo Alonso Alvarez, Ibrahim Ekren, Liwei Huang

专题命中 记忆与上下文管理 ：agent(title,abstract)

AI总结 本文研究了存在逆向选择的委托-代理问题，通过将代理的优化问题转化为随机目标问题，解决了委托人在信息不完全情况下的最优合同设计问题。

Mitigating Conversational Inertia in Multi-Turn Agents

缓解多轮代理中的对话惯性

Yang Wan, Zheng Cao, Zhenhao Zhang, Zhengwen Zeng, Shuheng Shen, Changhua Meng, Linchao Zhu

机构 * College of Computer Science and Technology, Zhejiang University, Hangzhou, China（浙江大学计算机科学与技术学院） ； University of Rochester, Rochester, NY, USA（罗切斯特大学） 纠错

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

AI总结 本文研究了多轮代理中对话惯性问题，提出通过上下文偏好学习来校准模型偏好，以减少惯性并提升性能。

Comments ICML2026

OSWorld-Human: Benchmarking the Efficiency of Computer-Use Agents

OSWorld-Human: 评估计算机使用代理的效率基准

Reyna Abhyankar, Qi Qi, Yiying Zhang

机构 * OpenAI ； Anthropic ； Google DeepMind（谷歌DeepMind） ； ByteDance（字节跳动） ； Agent S2 ； GTA1 ； Lei ； Jedi 纠错

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

AI总结 本文研究了计算机使用代理在OSWorld基准上的时间性能，发现大模型调用导致高延迟，并构建了包含人类轨迹的OSWorld Human数据集，评估发现最佳代理仍需更多步骤。

Remembering More, Risking More: Longitudinal Safety Risks in Memory-Equipped LLM Agents

记住更多，风险更多：具有记忆能力的LLM代理的纵向安全风险

Ahmad Al-Tawaha, Shangding Gu, Peizhi Niu, Ruoxi Jia, Ming Jin

机构 * Virginia Tech（弗吉尼亚理工大学） ； University of California, Berkeley（加州大学伯克利分校） ； University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校） 纠错

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

AI总结 本研究探讨了具有记忆能力的LLM代理在长期任务中因记忆积累导致的安全风险，提出了一种触发-探测协议来评估记忆污染的影响，并发现记忆安全应被视为一个纵向属性而非单一状态属性。

State Contamination in Memory-Augmented LLM Agents

内存增强型大语言模型代理中的状态污染

Yian Wang, Agam Goyal, Yuen Chen, Hari Sundaram

机构 * Department of Computer Science, University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校计算机科学系） 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 研究探讨了内存增强型大语言模型代理中由于状态污染导致的安全问题，通过分析内存总结中的毒性内容传播，提出了一种新的衡量指标，并指出在信息压缩前进行净化可以有效减少潜在影响。

Robo-Cortex: A Self-Evolving Embodied Agent via Dual-Grain Cognitive Memory and Autonomous Knowledge Induction

Robo-Cortex: 通过双粒认知记忆和自主知识诱导实现自我进化具身智能体

Nga Teng Chan, Yi Zhang, Yechi Liu, Renwen Cui, Fanhu Zeng, Zeyuan Ding, Xiancong Ren, Zhang Zhang, Qifeng Chen, Jian Liu, Yong Dai, Xiaozhu Ju

机构 * The Hong Kong University of Science and Technology（香港科学与技术大学） ； X-Humanoid ； Institute of Automation, CAS（中国科学院自动化研究所） ； Beijing University of Aeronautics and Astronautics（北京航空航天大学） 纠错

专题命中 记忆与上下文管理 ：agent(title)

AI总结 本文提出Robo-Cortex框架，通过双粒认知记忆和自主知识诱导机制，使机器人能够自主诱导导航启发式方法并优化认知策略，从而在复杂环境中实现自主导航和探索。

CommitDistill: A Lightweight Knowledge-Centric Memory Layer for Software Repositories

CommitDistill: 一种轻量级的知识导向内存层用于软件仓库

Divya Chukkapalli, Thejesh Avula, Aditya Aggarwal, Harsimran Singh, Amith Tallanki

机构 * Microsoft Corporation（微软公司） 纠错

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

AI总结 本文提出CommitDistill，一种轻量级的知识导向内存层，通过确定性正则表达式从本地git历史中提取类型化知识单元，并通过TF-IDF检索器进行检索，以提高软件仓库中历史信息的利用率。

Privacy Preserving Reinforcement Learning with One-Sided Feedback

具有单侧反馈的隐私保护强化学习

Lin William Cong, Guangyan Gan, Hanzhang Qin, Zhenzhen Yan

机构 * Nanyang Technological University（南洋理工大学） ； National University of Singapore（国立新加坡大学） ； Cornell SC Johnson College of Business（康奈尔大学SC Johnson商学院） 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 本文研究了在多维连续状态和动作空间中，代理仅接收状态部分观测并仅在每个时间步获得状态-动作空间子集奖励信息的强化学习问题，提出了一种新的隐私保护强化学习算法POOL，并通过理论分析证明其样本复杂度与非隐私强化学习的下界一致，展示了在保持高学习效率的同时实现强隐私保障的可行性。

Comments Accepted at IJCAI-ECAI 2026

RAP: Runtime Adaptive Pruning for LLM Inference

RAP: 用于大语言模型推理的运行时自适应剪枝

Huanrong Liu, Chunlin Tian, Xuyang Wei, Qingbiao Li, Li Li

机构 * Faculty of Science and Technology, University of Macau, Macau, China（澳门大学科学与技术学院） ； School of Information and Software Engineering, University of Electronic Science and Technology of China, Chengdu, China（电子科技大学信息与软件工程学院） 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 本文提出RAP，一种基于强化学习的弹性剪枝框架，通过动态调整压缩策略来适应运行时内存变化和异构KV缓存需求，首次在推理过程中同时考虑模型权重和KV缓存。

MATE: Solving Contextual Markov Decision Processes with Memory of Accumulated Transition Embeddings

MATE：利用累积转移嵌入记忆解决上下文马尔可夫决策过程

Himchan Hwang, Hyeokju Jeong, Gene Chung, Seungyeon Kim, Sangwoong Yoon, Frank Chongwoo Park

机构 * Seoul National University（首尔国立大学） ； Ulsan National Institute of Science and Technology (UNIST)（釜山国立科学技术研究所（UNIST）） 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 MATE通过使用累积转移嵌入的记忆架构，解决了由未观察上下文参数化的上下文马尔可夫决策过程（CMDPs），在保持后验信念的同时，避免了传统方法的计算和梯度问题，实现了高效且性能优异的解决方案。

STS: Efficient Sparse Attention with Speculative Token Sparsity

STS: 高效稀疏注意力与推测性标记稀疏性

Ceyu Xu, Jiangnan Yu, Yongji Wu, Yuan Xie

机构 * The Hong Kong University of Science and Technology（香港科技大学） ； UC Berkeley（加州大学伯克利分校） 纠错

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

AI总结 本文提出STS，一种无需模型再训练的稀疏注意力机制，通过利用较小的草稿模型识别出的重要标记来预测更大目标模型的重要标记，从而在大规模语言模型推理中实现高效的稀疏注意力计算，显著提升速度并保持准确性。

Comments 14 pages, 12 figures

OxyGen: Unified KV Cache Management for VLA Inference under Multi-Task Parallelism

OxyGen: 为多任务并行下的VLA推理提供统一的KV缓存管理

Xiangyu Li, Huaizhi Tang, Xin Ding, Weijun Wang, Ting Cao, Yunxin Liu

机构 * Institute for AI Industry Research (AIR)（人工智能产业研究院） ； Department of Electronic Engineering（电子工程系） ； 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 ：AI agent(abstract)；分类 cs.AI

AI总结 本文提出OxyGen，一种统一的KV缓存管理方法，用于在多任务并行下提高VLA推理效率，通过跨任务KV共享和跨帧连续批处理实现冗余计算和资源竞争的减少，从而在设备端实现更高的吞吐量和频率。

Comments Preprint

EXG: Self-Evolving Agents with Experience Graphs

EXG: 基于经验图的自演化代理

Yuxin Jin, Siyuan Zhang, Hanchen Wang, Lu Qin, Ying Zhang, Wenjie Zhang

机构 * University of Technology Sydney（悉尼科技大学） ； The University of New South Wales（新南威尔士大学） 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EXG，一种基于经验图的自演化代理框架，通过结构化组织积累的成功与失败经验，提升代理在复杂任务中的解决质量和资源效率。

Episodic-Semantic Memory Architecture for Long-Horizon Scientific Agents

用于长周期科学代理的事件-语义记忆架构

Nikola Milosevic

机构 * Serbian Institute for Artificial Intelligence Research and Development（塞尔维亚人工智能研究与发展研究所） ； Bayer A.G.（勃林格殷曼有限公司） 纠错

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

AI总结 本文提出了一种双过程记忆架构，用于解决科学代理在长周期任务中面临的情境窗口饱和问题，通过分离即时事件需求和长期知识整合，提升了在大规模科学工作流中的表现和可扩展性。

Hidden in Memory: Sleeper Memory Poisoning in LLM Agents

记忆中的隐患：LLM代理中的潜伏记忆污染

Sidharth Pulipaka, Stanislau Hlebik, Leonidas Raghav, Sahar Abdelnabi, Vyas Raina, Ivaxi Sheth, Mario Fritz

机构 * SPAR ； ELLIS Institute Tübingen（图宾根ELLIS研究所） ； MPI for Intelligent Systems（智能系统马克斯·普朗克研究所） ； Tübingen AI Center（图宾根人工智能中心） ； APTA ； CISPA Helmholtz Center for Information Security（信息安全海德堡中心） 纠错

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

AI总结 研究探讨了LLM代理中由于持久化内存带来的安全风险，提出并研究了潜伏记忆污染攻击，该攻击通过操控外部上下文使代理存储伪造的记忆，影响后续交互，实验显示攻击可跨多次对话持续生效。

Comments 86 pages, 60 tables

When Personalization Legitimizes Risks: Uncovering Safety Vulnerabilities in Personalized Dialogue Agents

当个性化合理化风险：揭示个性化对话代理中的安全漏洞

Jiahe Guo, Xiangran Guo, Yulin Hu, Zimo Long, Xingyu Sui, Xuda Zhi, Yongbo Huang, Hao He, Weixiang Zhao, Yanyan Zhao, Bing Qin

机构 * Harbin Institute of Technology（哈尔滨工业大学） ； SERES Group Co., Ltd（SERES集团有限公司） 纠错

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

AI总结 本文研究了个性化对话代理中的一种安全故障模式——意图合理化，通过引入PS-Bench基准测试，揭示了个性化记忆如何偏移意图推断并导致模型合理化有害查询，提出了一种轻量级的检测-反思方法以减少安全退化。

A Machine With Human-Like Memory Systems

具有人类样记忆系统的机器

Taewoon Kim, Michael Cochez, Vincent Francois-Lavet, Mark Neerincx, Piek Vossen

机构 * Vrije Universiteit Amsterdam（荷兰瓦赫宁根大学） ； Technische Universiteit Delft（代尔夫特理工大学） 纠错

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

AI总结 本文提出了一种同时具备语义记忆和事件记忆的智能体，证明双记忆系统优于单一记忆系统，并通过自研环境

Comments Submitted to Human-Centered Design of Symbiotic Hybrid Intelligence 2022 (https://ii.tudelft.nl/humancenteredsymbioticHI/)

Public-Decay Homomorphic State Space Models for Private Sequence Inference

公共衰减同态状态空间模型用于隐私序列推断

Luis Brito

机构 * School of Technology and Management (ESTG-IPVC) Polytechnic Institute of Viana do Castelo（技术与管理学院（ESTG-IPVC）葡萄牙维亚纳多卡斯托尔理工大学） 纠错

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

AI总结 本文提出公共衰减同态状态空间模型（HSSMs），通过加密-明文公共衰减更新状态，实现隐私序列推断，在保持加密状态的同时提升效率和准确性。

Comments 19 pages, 3 figures

A Machine with Short-Term, Episodic, and Semantic Memory Systems

具有短期、事件性和语义记忆系统的机器

Taewoon Kim, Michael Cochez, Vincent François-Lavet, Mark Neerincx, Piek Vossen

机构 * Vrije Universiteit Amsterdam（瓦赫宁海姆大学） ； Technische Universiteit Delft（代尔夫特理工大学） 纠错

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

AI总结 本文提出了一种具有短期、事件性和语义记忆系统的智能体模型，通过知识图谱实现各记忆系统的建模，并在自研环境中验证了该模型在记忆编码、存储与检索上的优势。

Journal ref Proceedings of the AAAI Conference on Artificial Intelligence (2023), 37(1), 48-56

Ranking Opinions with Few States in Population Protocols

用少量状态进行人口协议中的意见排名

Tom-Lukas Breitkopf, Julien Dallot, Antoine El-Hayek, Stefan Schmid

专题命中 记忆与上下文管理 ：agent(abstract)

AI总结 该研究提出了一种使用$ k^3 $状态的人口协议，解决了相对多数问题，并进一步扩展以处理各种破 tie 机制和不同颜色的初始顺序情况。

Comments To appear at PODC 2026

Reinforcement Learning Assisted Quantum Simulation of Many-Body Excited States and Real-Time Dynamics

强化学习辅助的多体激发态和实时动力学量子模拟

Jiaji Zhang, Lipeng Chen, Carlos L. Benavides-Riveros

专题命中 记忆与上下文管理 ：agent(abstract)

AI总结 本文提出了一种基于强化学习的量子模拟方法，用于计算多费米子系统的激发态和实时量子动力学，通过自适应选择二体算子提高模型的紧凑性和鲁棒性，并展示了该方法在化学系统中的高精度表现。

Distributed Synthesis of Gray-Box Distributed H2 Controllers

分布式灰盒H2控制器合成

Michael C. A. Nestor, Fei Teng

专题命中 记忆与上下文管理 ：agent(abstract)

AI总结 本文提出一种分布式灰盒方法，结合部分已知的模型知识和输入-状态数据，设计可扩展且能处理未知动态的H2控制器，通过ADMM在无中心服务器的情况下实现迭代求解。

Comments Accepted for presentation at the 23rd IFAC World Congress, Busan, South Korea, 2026

Error-Tolerant Quantum State Discrimination: Optimization and Quantum Circuit Synthesis

容错量子态鉴别：优化与量子电路综合

Chien-Kai Ma, Bo-Hung Chen, Tian-Fu Chen, Dah-Wei Chiou, Jie-Hong Roland Jiang

专题命中 记忆与上下文管理 ：workflow(abstract)

AI总结 本文提出两种互补方法，CrossQSD通过可调置信度边界平衡准确性和效率，FitQSD通过优化测量结果分布近似理想无噪声情况，同时提供统一的混合目标QSD框架，允许灵活权衡不同目标，并通过改进的Naimark扩张和等距综合框架实现硬件高效实现，减少量子比特和门资源，提供开源工具包自动化优化和综合流程。

Journal ref International Conference on Tools and Algorithms for the Construction and Analysis of Systems, 2026