AI Agent

Operationalizing Reconstructive Authority: Runtime Construction, Dependency Resolution, and Execution Gating in Autonomous Agent Systems

操作化重构权威：自主智能体系统中的运行时构建、依赖解析与执行门控

Marcelo Fernandez - TraslaIA

机构 * TraslaIA 纠错

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

AI总结 本文提出一种运行时执行模型，通过动态依赖解析和恢复循环，确保动作仅在当前状态可构建权威时执行，从而保证安全性和条件活性。

Comments Agent Governance Series, Paper P6. Companion papers on arXiv: P0 (2604.17511), P1 (2603.18829), P2 (2604.17517). P3/4 and P5 submitted concurrently (pending arXiv IDs). Zenodo: 10.5281/zenodo.19699460

MEMTIER: Tiered Memory Architecture and Retrieval Bottleneck Analysis for Long-Running Autonomous AI Agents

MEMTIER：面向长期运行的自主AI智能体的分层内存架构与检索瓶颈分析

Bronislav Sidik, Lior Rokach

机构 * Institute for Applied AI Research（应用人工智能研究所） ； Faculty of Computer and Information Science（计算机与信息科学学院） ； Ben-Gurion University of the Negev（贝内尔-加里翁大学） 纠错

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

AI总结 提出MEMTIER三层内存架构，通过结构化事件存储、五信号加权检索、注意力归因权重更新、异步合并机制和PPO策略，在LongMemEval-S基准上将全上下文基线准确率从5%提升至38%，并支持本地6GB GPU运行。

Comments 11 pages, 1 figure, 5 tables. Under review

An Uncertainty-Aware Resilience Micro-Agent for Causal Observability in the Computing Continuum

一种面向计算连续体中因果可观测性的不确定性感知韧性微代理

Suvi De Silva, Alfreds Lapkovskis, Alaa Saleh, Sasu Tarkoma, Praveen Kumar Donta

机构 * Department of Computer Systems and Sciences（计算机系统与科学系） ； Department of Computer Science（计算机科学系） 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 提出AURORA框架，通过集成自由能原理、因果do-calculus和局部因果状态图，在边缘层实现灰色故障的因果诊断与缓解，并采用双门控执行机制在不确定性高时避免破坏性干预。

M$^\star$: Every Task Deserves Its Own Memory Harness

M$^\star$：每个任务都应有专属的记忆框架

Wenbo Pan, Shujie Liu, Xiangyang Zhou, Shiwei Zhang, Wanlu Shi, Mirror Xu, Xiaohua Jia

机构 * City University of Hong Kong（香港城市大学） ； Microsoft（微软） 纠错

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

AI总结 提出M$^\star$方法，通过可执行程序进化自动发现任务优化的记忆系统，在对话、具身规划和专家推理等任务上优于固定记忆基线。

Comments Preprint. Code: https://github.com/wbopan/mstar ; Live demo: https://mstar.wenbo.io

MAIL++: Multi-Modal Bi-directional Agent Layer for Vision-Language Models

MAIL++: 视觉语言模型的多模态双向智能体层

Kaixiang Chen, Pengfei Fang, Hui Xue

机构 * School of Computer Science and Engineering, Southeast University（东南大学计算机科学与工程学院） ； Key Laboratory of New Generation Artificial Intelligence Technology and Its Interdisciplinary Applications (Southeast University), Ministry of Education, China（新一代人工智能技术及其交叉应用国家重点实验室（东南大学），中华人民共和国教育部，中国） 纠错

专题命中 记忆与上下文管理 ：agent(title,abstract)

AI总结 提出MAIL/MAIL++方法，通过将跨模态耦合嵌入VLM内在计算模块并引入双向桥接，实现参数高效微调，在少样本分类和跨域检索中超越现有方法。

AutoSOTA: An End-to-End Automated Research System for State-of-the-Art AI Model Discovery

AutoSOTA：面向最先进AI模型发现的端到端自动化研究系统

Yu Li, Chenyang Shao, Xinyang Liu, Ruotong Zhao, Peijie Liu, Hongyuan Su, Zhibin Chen, Qinglong Yang, Anjie Xu, Yi Fang, Qingbin Zeng, Tianxing Li, Jingbo Xu, Fengli Xu, Yong Li, Tie-Yan Liu

机构 * Department of Electronic Engineering, BNRist, Tsinghua University（电子工程系，北京理工大学，清华大学） ； Zhongguancun Academy（中关村学院） ； Peking University（北京大学） ； 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)；workflow(abstract)；multi-agent(abstract)；分类 cs.CL

AI总结 提出AutoSOTA系统，采用多智能体架构实现从论文复现到模型优化的全自动化，成功发现105个超越原始方法的新SOTA模型。

ScrapMem: A Bio-inspired Framework for On-device Personalized Agent Memory via Optical Forgetting

ScrapMem: 一种基于生物启发的光学遗忘机制用于设备端个性化智能体记忆

Jiale Chang, Yuxiang Ren

机构 * Nanjing Agricultural University（南京农业大学） ； Nanjing University（南京大学） 纠错

专题命中 记忆与上下文管理 ：agent(title)；分类 cs.AI

AI总结 提出ScrapMem框架，通过光学遗忘机制压缩旧记忆并构建情节记忆图，在资源受限设备上实现高效多模态长期记忆，在ATM-Bench上取得51.0% Joint@10新最优，存储降低93%，召回率提升至70.3%。

Comments 10 pages, 4 figures

DimMem: Dimensional Structuring for Efficient Long-Term Agent Memory

DimMem：面向高效长期智能体记忆的维度结构化

Wentao Qiu, Haotian Hu, Fanyi Wang, Jinwei Kong, Yu Zhang

机构 * StepOS ； Xiamen University（厦门大学） ； ShanghaiTech University（上海科技大学） 纠错

专题命中 记忆与上下文管理 ：agent(title)；分类 cs.CL

AI总结 提出DimMem维度记忆框架，通过原子化、类型化、自包含的记忆单元（含时间、地点、原因等显式字段）实现维度感知检索与更新，在LoCoMo-10和LongMemEval-S上分别达到81.43%和78.20%准确率，且每查询token成本降低24%。

MemSkill: Learning and Evolving Memory Skills for Self-Evolving Agents

MemSkill：面向自进化智能体的可学习与进化记忆技能

Haozhen Zhang, Quanyu Long, Jianzhu Bao, Tao Feng, Weizhi Zhang, Haodong Yue, Wenya Wang

机构 * Nanyang Technological University（南洋理工大学） ； University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校） ； University of Illinois Chicago（伊利诺伊大学芝加哥分校） ； Tsinghua University（清华大学） 纠错

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

AI总结 提出MemSkill框架，将记忆操作转化为可学习和可进化的技能，通过控制器选择技能、执行器生成记忆、设计者进化技能集，形成闭环提升LLM智能体任务性能。

Comments Code is available at https://github.com/ViktorAxelsen/MemSkill

AgentIR: A Workload-Adaptive Cascade Retrieval Substrate for Long-Term Conversational Memory

AgentIR：面向长期对话记忆的工作负载自适应级联检索基座

Aojie Yuan, Haiyue Zhang, Shahin Nazarian

机构 * University of Southern California（南加州大学） 纠错

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

AI总结 针对长期对话记忆中索引动态增长、查询类型变化和亚10毫秒延迟预算的挑战，提出一种基于置信度触发的级联路由策略，通过自适应选择融合方法和是否运行稠密通道，在保持准确率的同时显著降低延迟并提升并发能力。

Comments 29 pages, 9 figures, 12 tables. Main paper 9 pages + comprehensive appendix (proof, GPU kernels, full per-dataset BEIR/LongMemEval/LoCoMo tables, cascade router C++ API, 6 robustness experiments, FAQ, failure-case catalog)

JT-SAFE-V2: Safety-by-Design Foundation Model with World-Context Data

JT-SAFE-V2：具有世界上下文数据的安全设计基础模型

Junlan Feng, Fanyu Meng, Chong Long, Pengyu Cong, Duqing Wang, Yan Zheng, Yuyao Zhang, Xuanchang Gao, Ye Yuan, Yunfei Ma, Zhijie Ren, Fan Yang, Na Wu, Di Jin, Chao Deng

机构 * JIUTIAN Research（九天研究院） 纠错

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

AI总结 提出JT-Safe-V2大语言模型，通过世界知识预训练、高确定性训练和安全强化后训练实现通用智能与安全设计的联合优化，并引入Safe-MoMA框架降低推理成本，在通用智能和安全基准上达到最优性能。

SkillEvolBench: Benchmarking the Evolution from Episodic Experience to Procedural Skills

SkillEvolBench：从情景经验到程序性技能的演化基准测试

Yingtie Lei, Zhongwei Wan, Jiankun Zhang, Samiul Alam, Zixuan Zhong, Peizhou Huang, Xin Wang, Jingxuan Zhang, Donghao Zhou, Yunta Hsieh, Zhihao Dou, Hui Shen, Yan Xu, Dimitrios Dimitriadis, Tuo Zhang, Mi Zhang

机构 * The Ohio State University（俄亥俄州立大学） ； The University of Chicago（芝加哥大学） ； University College London（伦敦大学学院） ； University of Michigan（密歇根大学） ； The Chinese University of Hong Kong（香港中文大学） ； Case Western Reserve University（凯斯西储大学） ； Amazon（亚马逊） 纠错

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

AI总结 提出SkillEvolBench基准，通过六个真实环境中的180个任务，评估大语言模型代理能否将情景经验提炼为可复用的程序性技能，发现当前代理难以形成稳健的技能，且原始轨迹复用优于蒸馏技能。

Multi-market value-stacking: Battery control for combined imbalance participation and non-uniform FCR bidding

多市场价值堆叠：结合不平衡参与和非均匀FCR投标的电池控制

Celle Hendrickx, Fabio Pavirani, Chris Develder

机构 * Gent University - imec, IDLab（根特大学 - imec，IDLab） 纠错

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

AI总结 提出一种两阶段控制框架，通过非均匀FCR投标和深度强化学习实时交易，在保持FCR合规的同时实现7.56%的利润提升。

Comments 5 pages, 2 figures. Presented at ACM Sustainability Week 2026 (ACM Sustainability Week Companion 26), June 22-25, 2026, Banff, AB, Canada

Comparisons of Experiments in Moral Hazard Problems

道德风险问题中的实验比较

Zizhe Xia

专题命中 记忆与上下文管理 ：agent(abstract)

AI总结 本文通过定义三种嵌套几何序（列空间、锥张成和带状多面体序）来比较道德风险问题中的信息结构，并证明这些序在可行状态依赖效用集、风险中性及有限责任下的成本、以及代理人具有一般货币偏好的成本等几类问题中具有等价刻画，从而为信息比较提供统一框架。