AI Agent

Agent Memory Distillation: Empowering Small LLM Agents with Hierarchical Teacher Memory

智能体记忆蒸馏：用分层教师记忆赋能小型大语言模型智能体

Taeil Kim, Kangsan Kim, Sung Ju Hwang

机构 * KAIST（韩国科学技术院） 纠错

专题命中 记忆与上下文管理 ：agent(title,summary_cn)；workflow(abstract,abstract_cn)；tool-use(abstract)；function calling(abstract)

AI总结 本研究提出无需训练的Agent Memory Distillation框架，通过从大型教师智能体构建三类分层记忆迁移知识，提升小型大语言模型智能体的工具使用性能，在三个基准上实现显著准确率提升且优于现有基线。

Comments Under review

Coupling Planning with Episodic Memory in LLM Agents for Software Issue Resolution

在软件问题解决的大语言模型智能体中耦合规划与情景记忆

Jiahao Zhang, Yifan Zhang, Yu Huang

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

AI总结 本文提出PMCoder智能体，通过双向耦合分层阶段规划器与情景记忆解决软件问题，在SWE-bench Verified等数据集上显著提升问题解决能力，且性能可迁移至其他场景。

Comments 12 pages, 5 figures

MemWM: Memory-Augmented Text-Based World Model

MemWM：记忆增强的基于文本的世界模型

Yujun Wang, Tao Zhang, Jinhe Bi, Aniri, Wenxuan Ye, Boliang Liu, Sikuan Yan, Shuning Wang, Xuebing Zhou, Sören Pirk, Hinrich Schütze, Yunpu Ma

机构 * LMU Munich（慕尼黑大学） ； Munich Center for Machine Learning (MCML)（慕尼黑机器学习中心） ； Huawei Heisenberg Research Center（华为海森堡研究中心） ； Zhejiang University（浙江大学） ； Technical University of Munich (TUM)（慕尼黑工业大学） ； TU Berlin（柏林工业大学） ； Kiel University（基尔大学） 纠错

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

AI总结 该研究提出记忆增强的基于文本的世界模型MemWM，通过引入世界记忆解决世界模型的系统性预测错误，在ALFWorld等基准上提升智能体规划成功率与效率。

When Does Reward Teach State? A Hidden-Automaton Instrument and a Group-Language Warning Signal

奖励何时能引导对状态的理解？一种隐藏自动机工具与群语言边界

James E. Allchin

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

AI总结 研究强化学习中高奖励与潜在状态理解的关系，通过将任务表示为隐藏自动机，利用三个可控轴（优化器强度、任务结构、观察信息量）来分别测量奖励成功和潜在状态学习，区分感知差距和规划差距，得出高奖励非任务理解证据且智能体恢复潜在状态可预测的结论。

Comments 17 pages, 3 figures, 6 tables (9-page main text). Ancillary file hidden-automata-rl-code.zip contains reproduction code and the complete per-run data behind every table and figure. v3: author name corrected, title revised, text rewritten for clarity, new robustness checks (nonlinear and off-policy probes) added; results and conclusions unchanged

Explicit, Not Longer: What Makes Epistemic Stance Survive Memory Compression

明确，而非冗长：什么使认知立场在记忆压缩中留存

Alex Kwon

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 本研究探究使认知立场在记忆压缩中留存的因素，发现将立场表述为带标签的字段可提升留存率，明确立场而非仅延长表述是关键，明确的最佳方式取决于模型。

Comments 20 pages, 3 figures, 4 tables. Code, per-trial data, and the pre-registration commit: https://github.com/collapseindex/factwash

Dueling World Models: Advantage-Style Action Channels for Common-Mode Distractor Rejection

对决世界模型：用于共模干扰项抑制的优势式动作通道

Jiazhuo Li, Yiming Fei, Zhiruo Zhou, Heikichi Hayashi

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

AI总结 该研究提出对决世界模型，通过在潜在动态中减去动作预测的平均效应来抑制共模干扰项，无需额外机制，在多个任务中可恢复智能体自身效应，适用于各类动作条件世界模型。

Comments 17 pages, 6 figures, 11 tables. Includes supplementary appendix

Minimal Ingredients for Reward Assignment from Expert Demonstrations

从专家演示中进行奖励分配的最小要素

Zixuan Dong, Yumi Omori, Keith Ross

机构 * New York University（纽约大学） ； New York University Abu Dhabi（纽约大学阿布扎赫尔分校） ； Shanghai Frontiers Science Center of Artificial Intelligence and Deep Learning, NYU Shanghai（上海前沿科学中心（人工智能与深度学习）） 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 该研究探究从专家演示分配奖励的最小结构，通过32个基准测试和三种下游RL算法，发现离线场景仅需接近度，在线或多演示时需轻量级时间对应，倡导奖励设计的算法极简主义。

Comments Accepted by Reinforcement Learning Conference 2026

Cascade: Exploiting SLO-Aware latency budget for fair and high goodput LLM inference serving

Cascade：利用感知SLO的延迟预算实现公平且高吞吐量的LLM推理服务

Muhammad Adnan, Rohan Mahapatra, Prashant J. Nair, Daniel Berger, Pantea Zardoshti, Rodrigo Fonseca, Esha Choukse

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

AI总结 Cascade是一款LLM服务系统，利用单请求延迟预算协同调度与KV缓存管理，在保留异构请求公平性的同时，使LLM推理服务吞吐量最高提升2.4倍，SLO违规率降低40%。

Same physical state, different collective dynamics: state encodings select synchronization outcomes in language-model agents

相同物理状态，不同集体动力学：状态编码选择语言模型智能体的同步结果

Takahiro Ezaki, Naoto Imura, Katsuhiro Nishinari

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

AI总结 该研究通过循环同步实验发现，状态编码（低阶循环矩vs直方图）会影响语言模型智能体的同步结果，且效应因模型而异，状态编码是依赖模型的有效交互法则的组成部分。

Interaction Creates Dynamical AI Behavior Absent in Isolation

交互产生孤立状态下不存在的动态AI行为

Bella Xinrui Li, Frank Yingjie Huo, Neil F Johnson

机构 * George Washington University（乔治华盛顿大学） 纠错

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

AI总结 该研究发现AI智能体交互会产生孤立状态下不存在的陌生动态行为，上级AI指挥下级时会驱使下级进入新状态，简单动力学理论可解释其主要效应。

Predictive Multi-Tier Memory Management for KV Cache in Large-Scale GPU Inference

大规模GPU推理中的预测多层级内存管理用于KV缓存

Sanjeev Rao Ganjihal

机构 * Independent Researcher（独立研究者） 纠错

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

AI总结 本文提出了一种统一系统，解决KV缓存管理中的三个问题：统一的缓存大小计算、多层级内存架构以及反应性驱逐策略。通过六层内存层次结构和贝叶斯重用预测器，实现更高的缓存命中率和吞吐量提升。

Comments 10 pages, 9 tables, 1 figure. v2: corrects seven bibliography entries, removes one unverifiable one; scopes the batch-size claim to the MLA model; labels cluster-scale projections analytical (no error bars); removes version pins from baseline comparisons; expands related work; adds B200-class hardware and 2026 model-family scaling notes (generation-parametric); companion manuscripts noted

Is Forward Prediction Enough? Physical State Grounding for JEPA World Models

前向预测足够吗？面向JEPA世界模型的物理状态 grounding

Haodong Yan, Jiaguan Zhu, Mingyuan Jia, Ruiqing Yin, Junjie He, Zhide Zhong, Junfeng Li, Jinxuan Lu, Hengtao Li, Tianran Zhang, Jiayi Chen, Wenxuan Song, Wen Chen, Yuxiang Gao, Haoang Li

机构 * The Hong Kong University of Science and Technology (Guangzhou)（香港科技大学（广州）） ； COCO Matrix 纠错

专题命中 记忆与上下文管理 ：planning(abstract)

AI总结 针对JEPA世界模型前向预测未明确物理状态可识别性的问题，提出PSG-JEPA模型，通过训练阶段的两个grounding目标提升性能，在三个评估层面均优于现有基线。

State transitions in land-vegetation systems emerge at Paris Agreement warming levels in CMIP6

CMIP6中陆地-植被系统的状态转变在巴黎协定规定的变暖水平下出现

Pouriya Alinaghi, Sybren Drijfhout, Joran Angevaare, Chris Jones, Andy Wiltshire

专题命中 记忆与上下文管理 ：workflow(abstract)

AI总结 本研究基于CMIP6集合识别陆地-植被系统的9类共47种状态转变，发现巴黎协定规定的2℃或更低变暖已足以触发多数转变，揭示了不同区域转变的驱动机制。

Universal Finite-State and Self-Stabilizing Computation in Anonymous Dynamic Networks

匿名动态网络中的通用有限状态与自稳定计算

Giuseppe A. Di Luna, Giovanni Viglietta

专题命中 记忆与上下文管理 ：agent(abstract)

AI总结 研究匿名动态网络计算问题，提出通用自稳定算法在\(\max\{4\tau n - 2\mu, 2\mu\}\)轮稳定，通用有限状态算法在\(\tau(2n^2 + n)\)轮稳定，改进先前方法并开发历史树相关新技术。

Comments 30 pages, 5 figures

Journal ref Theoretical Computer Science, 2026