AI Agent

Seeing and Reflecting: Multimodal Memory-Enhanced Agent Collaboration for Recommendation

视觉与反思：用于推荐的多模态记忆增强智能体协作

Hao Cong, Huizu Lin, Zihan Wang, Chengkai Huang, Quan Z. Sheng, Lina Yao

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

AI总结 针对基于LLM的推荐系统局限，提出MMEACR框架，采用双轨记忆架构，通过属性引导机制更新记忆，构建多模态嵌入记忆，经加权倒数排名融合两轨道，实验证明其在多领域表现出色，尤其视觉推荐场景有显著提升。

When Agents Remember Too Much: Memory Poisoning Attacks on Large Language Model Agents

当智能体记忆过多时：对大语言模型智能体的内存中毒攻击

George Torres, Sharad Shrestha, Satyajayant Misra

机构 * George Torres3（乔治·托雷斯（第三作者）） ； Sharad Shrestha1（沙拉德·什雷斯塔（第一作者）） ； Satyajayant Misra4（萨蒂亚扬特·米什拉（第四作者）） 纠错

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

AI总结 研究大语言模型驱动的个人智能体因缺乏内存安全治理存在安全漏洞，提出攻击向量GhostWriter，实现近98%注入率和约60%激活率，还提出AM-Sentry缓解技术，显著降低GhostWriter成功率并保持智能体效用。

STAGformer: A Spatio-temporal Agent Graph Transformer for Micro Mobility Demand Forecasting

STAGformer：用于微移动需求预测的时空代理图变换器

Ye Zihao

机构 * City University of Hong Kong（香港城市大学） 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 针对共享单车系统站点级需求预测难题，提出STAGformer模型，通过两步代理注意力机制及四个核心模块，以线性复杂度实现高效全局建模，实验表明其在多预测范围优于基线，消融研究验证各组件贡献。

A-TMA: Decoupling State-Aware Memory Failures in Long-Term Agent Memory

A-TMA: 解耦长期智能体记忆中的状态感知记忆故障

Zitong Shi, Yixuan Tang, Anthony Kum Hoe Tung

机构 * National University of Singapore（新加坡国立大学） 纠错

专题命中 记忆与上下文管理 ：agent(title)；分类 cs.AI

AI总结 针对长期记忆中状态不一致导致的幽灵记忆问题，提出A-TMA方法，通过状态感知覆盖层在存储、检索和回答三个层面解耦故障，在冲突密集基准上显著提升时间F1。

Event-Centric World Modeling with Memory-Augmented Retrieval for Embodied Decision-Making

基于记忆增强检索的事件中心世界建模用于具身决策

Zhaowen Fan, Rongchao Zhang, Yunxiang Han

机构 * Zhaowen Fan（Fan 研究院） ； Rongchao Zhang（Zhang 实验室） 纠错

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

AI总结 本文提出一种事件中心世界建模框架，通过记忆增强检索实现具身决策，结合语义事件和先前经验进行决策，提升动态环境的结构抽象与可解释性。

Comments 12 pages, 9 figures, 4 tables, currently under review

Probe-Conditioned Memory for Actuator-Deadband-Aware Koopman MPC in Industrial Sealing

工业密封中用于执行器死区感知库普曼模型预测控制的探测条件记忆

Yue Wu

专题命中 记忆与上下文管理 ：workflow(abstract)

AI总结 研究工业密封中执行器死区感知问题，提出基于探测条件记忆的库普曼模型预测控制方法，通过十六步探测选择历史案例拟合关系并更新校正，在基准测试中AK-MPC跟踪误差低，体现该方法优势。