AI Agent

Dual-Cluster Memory Agent: Resolving Multi-Paradigm Ambiguity in Optimization Problem Solving

双簇记忆智能体：解决优化问题求解中的多范式歧义

Xinyu Zhang, Yuchen Wan, Boxuan Zhang, Zesheng Yang, Lingling Zhang, Bifan Wei, Jun Liu

机构 * School of Computer Science and Technology, Xi’an Jiaotong University（西安交通大学计算机科学与技术学院） ； Ministry of Education Key Laboratory of Intelligent Networks and Network Security, China（教育部智能网络与网络security重点实验室） ； Shaanxi Province Key Laboratory of Big Data Knowledge Engineering, China（陕西省大数据知识工程重点实验室） 纠错

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

AI总结 提出双簇记忆智能体（DCM-Agent），通过无训练方式利用历史解决方案构建双簇记忆，并采用记忆增强推理动态导航解路径，在七个优化基准上平均性能提升11%-21%。

EvoDS: Self-Evolving Autonomous Data Science Agent with Skill Learning and Context Management

EvoDS: 具有技能学习和上下文管理的自进化自主数据科学智能体

Zherui Yang, Fan Liu, Yansong Ning, Hao Liu

机构 * 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(title,abstract)；agentic(abstract)；multi-agent(abstract)；分类 cs.AI

AI总结 提出EvoDS，通过自主技能获取和自适应上下文压缩策略，结合强化学习训练，使数据科学智能体能够自进化并显著提升多阶段迭代任务的性能。

Comments Accepted by KDD2026

DMF: A Deterministic Memory Framework for Conversational AI Agents

DMF：对话式AI代理的确定性记忆框架

Matteo Stabile, Enrico Zimuel

机构 * Roma Tre University（罗马三大学） 纠错

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

AI总结 提出一种CPU优先的确定性记忆框架DMF，通过经典NLP分析、向量几何和数学评分替代生成式记忆压缩，实现零令牌成本且与Mem0相当的准确性。

Comments 21 pages, 3 figures

PEAM: Parametric Embodied Agent Memory through Contrastive Internalization of Experience in Minecraft

PEAM: 通过经验对比内化的参数化具身智能体记忆在Minecraft中的应用

Yuchen Guo, Junli Gong, Weicheng Wang, Hongmin Cai, Yiu-ming Cheung, Weifeng Su

机构 * Northwestern University（西北大学） ； Northeastern University（东北大学） ； South China University of Technology（华南理工大学） ； Hong Kong Baptist University（香港 Baptist大学） ； Beijing Normal - Hong Kong Baptist University（北京师范大学-香港 Baptist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 提出PEAM框架，通过对比内化失败-纠正轨迹对，将经验转化为参数化技能，实现Minecraft中具身智能体的持续学习与高效执行。

MT-OSC: Path for LLMs that Get Lost in Multi-Turn Conversation

MT-OSC：解决大语言模型在多轮对话中迷失的路径

Jyotika Singh, Fang Tu, Miguel Ballesteros, Weiyi Sun, Sandip Ghoshal, Michelle Yuan, Yassine Benajiba, Sujith Ravi, Dan Roth

机构 * Oracle AI 纠错

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

AI总结 提出MT-OSC框架，通过后台自动压缩对话历史（Condenser Agent）减少token量，提升多轮对话性能，在13个LLM上验证有效性。

From Control Boundary to Insurance Claim: Reconstructing AI-Mediated Losses Through the CER Framework

从控制边界到保险索赔：通过CER框架重构AI中介损失

Alex Leung, Rex Zhang, Kentaroh Toyoda, SiewMei Loh

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

AI总结 本文提出CER框架（控制边界、证据重构、保险响应），用于诊断和重构由生成式或代理式AI系统导致的损失，以支持保险索赔。

InfoMem: Training Long-Context Memory Agents with Answer-Conditioned Information Gain

InfoMem: 基于答案条件信息增益训练长上下文记忆智能体

Tiancheng Han, Yong Li, Wuzhou Yu, Qiaosheng Zhang, Wenqi Shao

机构 * Tongji University（同济大学） ； Shanghai Innovation Institute（上海创新研究院） ； Shanghai AI Laboratory（上海人工智能实验室） 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InfoMem奖励机制，通过评估最终记忆对真实答案的每token对数似然增益，训练分块记忆智能体以提升长上下文任务性能。

Comments 17 pages, 7 figrues,

MemTrain: Self-Supervised Context Memory Training

MemTrain：自监督上下文记忆训练

Ziheng Li, Xingrun Xing, Haoqing Wang, Zhi-Hong Deng, Yehui Tang

机构 * State Key Laboratory of General Artificial Intelligence, School of Intelligence Science and Technology, Peking University（通用人工智能国家重点实验室，智能科学与技术学院，北京大学） ； Samsung Research, Beijing, China（三星研究院，北京，中国） 纠错

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

AI总结 提出自监督框架MemTrain，通过两个耦合代理任务（端到端掩码重建和中间记忆召回）利用无标签维基百科语料增强LLM代理的上下文记忆能力，显著提升下游长文本推理性能。

Minimax Optimal Strategy for Delayed Observations in Online Reinforcement Learning

在线强化学习中延迟观测的极小化最优策略

Harin Lee, Kevin Jamieson

机构 * University of California, Berkeley（加州大学伯克利分校） ； 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 ：agent(abstract)；分类 cs.LG

AI总结 针对延迟状态观测的强化学习问题，提出结合增广方法和上置信界算法的策略，在表格型MDP上达到极小化最优遗憾界。

Comments ICML camera ready version

MemVerse: Multimodal Memory for Lifelong Learning Agents

MemVerse：面向终身学习智能体的多模态记忆

Junming Liu, Yifei Sun, Weihua Cheng, Haodong Lei, Yirong Chen, Licheng Wen, Xuemeng Yang, Daocheng Fu, Pinlong Cai, Nianchen Deng, Yi Yu, Shuyue Hu, Botian Shi, Ding Wang

机构 * Shanghai Artificial Intelligence Laboratory（上海人工智能实验室） 纠错

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

AI总结 提出MemVerse，一种模型无关的即插即用记忆框架，通过分层检索记忆与参数化快速回忆结合，解决智能体在多模态交互中的灾难性遗忘和长程推理问题。

Comments 25 pages, 6 figures, 14 tables

Benchmarking Visual State Tracking in Multimodal Video Understanding

多模态视频理解中的视觉状态追踪基准测试

Sihyun Yu, Nanye Ma, Pinzhi Huang, Hyunseok Lee, Shusheng Yang, June Suk Choi, Ellis Brown, Oscar Michel, Boyang Zheng, Jinwoo Shin, Saining Xie

机构 * New York University（纽约大学） ； KAIST（韩国科学技术院） 纠错

专题命中 记忆与上下文管理 ：agentic(abstract)

AI总结 提出VSTAT基准，通过需要连续感知和整合整个视频流的问题评估多模态大语言模型的视觉状态追踪能力，发现当前模型远低于人类表现，失败主要源于视觉感知而非文本推理。

Comments Website: https://vision-x-nyu.github.io/vstat-site/

EvoMemNav: Efficient Self-Evolving Fine-Grained Memory for Zero-Shot Embodied Navigation

EvoMemNav: 用于零样本具身导航的高效自进化细粒度记忆

Zuhao Ge, Xiaosong Jia, Chao Wu, Yuchen Zhou, Zuxuan Wu, Yu-Gang Jiang

机构 * Institute of Trustworthy Embodied AI (TEAI), Fudan University（可信具身人工智能研究院，复旦大学） ； Shanghai Key Laboratory of Multimodal Embodied AI（上海多模态具身人工智能重点实验室） 纠错

专题命中 记忆与上下文管理 ：planning(abstract)

AI总结 提出EvoMemNav框架，通过构建视觉-语义记忆图并采用预算驱动的粗到细策略，结合反射驱动写回机制，实现零样本具身导航中高效、自进化的细粒度记忆，提升多实例区分和停止验证性能。

Comments Preprint

Asymptotic Consensus Without Self-Confidence

无自我置信的渐近一致性

Thomas Nowak

专题命中 记忆与上下文管理 ：agent(abstract)

AI总结 研究代理在更新规则中可能忽略自身值（无自我置信）时，通过非周期核心替代自我置信假设实现渐近一致性的系统。

Comments 13 pages

Parallelizing a State Exchange Strategy for Noncooperative Distributed NMPC

并行化非合作分布式NMPC的状态交换策略

Jürgen Pannek

专题命中 记忆与上下文管理 ：agent(abstract)

AI总结 针对通过状态约束互联的系统，提出一种可并行化的层次化算法，并利用基于轨迹的稳定性结果证明闭环的可行性与稳定性。

Comments 22 pages, 10 figures

A Tight Lower Bound on the Controllability of Networks with Multiple Leaders

多领导者网络可控性的紧下界

Ahmet Yasin Yazicioglu, Waseem Abbas, Magnus Egerstedt

专题命中 记忆与上下文管理 ：agent(abstract)

AI总结 利用代数图论，研究静态网络拓扑下多领导者系统的可控性，给出可控性矩阵秩的拓扑紧下界。

Stability Analysis of a Simplified Yet Complete Model for Chronic Myelegenous Leukemia

慢性粒细胞白血病简化但完整模型的稳定性分析

Marie Doumic Jauffret, Peter S. Kim, Benoît Perthame

专题命中 记忆与上下文管理 ：agent(abstract)

AI总结 通过简化一个描述造血的偏微分方程模型并分析其渐近行为，证明简化模型在参数略有差异时仍能复现原始基于智能体模型的关键特性，从而为理解造血动力学和慢性粒细胞白血病提供参数更少、便于比较的实用工具。

Journal ref Bulletin of Mathematical Biology 72, 7 (2010) 1732-1759

Additive habits with power utility: Estimates, asymptotics and equilibrium

幂效用下的加性习惯：估计、渐近性与均衡

Roman Muraviev

专题命中 记忆与上下文管理 ：agent(abstract)

AI总结 本文研究离散时间市场与随机禀赋下带加性习惯的幂效用最大化问题，针对不完全市场建立最优消费流的估计并分析消费倾向的渐近行为，在完全市场中证明异质性个体经济体的Arrow-Debreu均衡存在性，并在代表性主体均衡中显式计算零息债券和Lucas树权益的价格及其对习惯形成参数的依赖。

Comments Submitted

State space description of national economies: the V4 countries

国民经济的状态空间描述：V4国家

Ivo Petras, Igor Podlubny

专题命中 记忆与上下文管理 ：tool use(abstract)

AI总结 本文采用状态空间方法，以GDP、通胀率和失业率为状态变量，通过正交回归分析V4国家（斯洛伐克、捷克、匈牙利、波兰）的经济轨迹，发现其相轨迹近似位于一个平面，并提出新的经济指标。

Comments 13 pages, 18 figures

Journal ref Computational Statistics and Data Analysis, Volume 52, Issue 2, 15 October 2007, Pages 1223-1233