AI Agent

Temporal Validity in Retrieval Memory: Eliminating Stale-Fact Errors for AI Agents over Evolving Knowledge

检索记忆中的时间有效性：消除AI智能体在知识演化中的过时事实错误

Neeraj Yadav

机构 * MemStrata.dev — Called It Inc. (Enterprise)（MemStrata.dev — Called It Inc.（企业）） 纠错

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

AI总结 针对RAG无法处理知识演化导致过时事实错误的问题，提出MemStrata，通过确定性替换规则维护时间有效性，在演化知识上准确率达0.95-1.00，过时事实错误率降至~0%。

Comments 21 pages, 5 tables. Code, prompts, and evaluation datasets included

Memory Contagion: Cross-Temporal Propagation of Evaluator Bias via Agent Memory

记忆传染：通过智能体记忆的评估者偏见的跨时间传播

Zewen Liu

机构 * Independent Researcher（独立研究员） 纠错

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

AI总结 研究大型语言模型智能体记忆中评估者偏见通过记忆存储跨时间传播的现象，发现即使完美记忆整合也会导致偏见传播，且无安全阈值。

Comments 12 pages, 3 figures, 4 tables

Stable but Unsafe: Agent-Driven Cyber-Physical Systems Under Gain Manipulation Attacks

无安全性的稳定性：对自主网络物理系统的增益操纵攻击

Ali Eslami, Jiangbo Yu

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

AI总结 本文形式化自主网络物理系统中的增益操纵攻击，通过三轴攻击模型和分类法，揭示稳定性保持的增益替换仍可产生远超安全限度的瞬态放大，并利用Bauer-Fike特征值界和Kreiss矩阵定理推导隐蔽条件和最坏影响。

Comments 6 pages, 2 figures, 2 tables. Submitted to IEEE L-CSS for possible publication

HoloAgent-0: A Unified Embodied Agent Framework with 3D Spatial Memory

HoloAgent-0：具有3D空间记忆的统一具身智能体框架

Xiaolin Zhou, Liu Liu, Tingyang Xiao, Wei Feng, Fa Fu, Xinrui Meng, Xinjie Wang, Jialiang Han, Boyang Yu, Yun Du, Wei Sui, Zhizhong Su

机构 * Horizon Robotics ； D-Robotics Robotics 纠错

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

AI总结 提出HoloAgent-0统一框架，通过三层耦合结构（具身AgentOS、3D空间记忆、具身技能）实现真实机器人闭环执行，在长程导航、跨机器人协调等任务上验证有效性。

SAGE: A Novelty Gate for Efficient Memory Evolution in Agentic LLMs

SAGE: 一种用于智能体大语言模型中高效记忆演化的新颖门控机制

Sijia Wang, Dhanajit Brahma, Ricardo Henao

机构 * Duke University（杜克大学） 纠错

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

AI总结 提出SAGE门控机制，基于von Mises-Fisher密度估计和自适应阈值，将记忆写入控制建模为新奇性检测问题，在LoCoMo上以更低成本实现最优token-F1。

MUSE: Agentic 3D Scene Authoring via Memory-Grounded Incremental Requirement Satisfaction

MUSE: 基于记忆的增量需求满足的智能体3D场景创作

Ruijie Xu, Xinnan Zhu, Jiayu Ying, Daoguo Dong, Yuzhou Ji, Xin Tan

机构 * East China Normal University（华东师范大学） ； Fudan University（复旦大学） ； Shanghai Jiao Tong University（上海交通大学） 纠错

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

AI总结 提出MUSE多智能体框架，通过增量需求满足实现可控3D场景构建与编辑，在AuthorBench上显著提升目标达成率和场景保持率。

RewardFlow: Topology-Aware Reward Propagation on State Graphs for Agentic RL with Large Language Models

RewardFlow: 面向大语言模型智能体强化学习的拓扑感知状态图奖励传播

Xiao Feng, Bo Han, Zhanke Zhou, Jiaqi Fan, Jiangchao Yao, Ka Ho Li, Dahai Yu, Michael Kwok-Po Ng

机构 * TMLR Group（TMLR小组） ； Hong Kong Baptist University（香港 Baptist大学） ； TCL Corporate Research (HK) Co Ltd（TCL企业研究（香港）有限公司） ； Cooperative Medianet Innovation Center Shanghai Jiao Tong University（合作中位网创新中心上海交通大学） ； Department of Mathematics Hong Kong Baptist University（香港 Baptist大学数学系） 纠错

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

AI总结 提出RewardFlow方法，通过构建状态图进行拓扑感知的奖励传播，为智能体推理提供无标注的密集奖励，显著提升强化学习性能。

Learning Query-Aware Budget-Tier Routing for Runtime Agent Memory

学习面向运行时智能体记忆的查询感知预算层级路由

Haozhen Zhang, Haodong Yue, Tao Feng, Quanyu Long, Jianzhu Bao, Bowen Jin, Weizhi Zhang, Xiao Li, Jiaxuan You, Chengwei Qin, 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（伊利诺伊大学香槟分校） ； Tsinghua University（清华大学） ； Sun Yat-sen University（中山大学） ； The Hong Kong University of Science and Technology (Guangzhou)（香港科学与技术大学（广州）） 纠错

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

AI总结 提出 BudgetMem 框架，通过强化学习训练的轻量级路由器实现查询感知的预算层级路由，以在运行时平衡任务性能与记忆构建成本。

Comments Accepted by ICML 2026. Code is available at https://github.com/ViktorAxelsen/BudgetMem

FORGE: Self-Evolving Agent Memory With No Weight Updates via Population Broadcast

FORGE：无权重更新的自演化代理记忆

Igor Bogdanov, Chung-Horng Lung, Thomas Kunz, Jie Gao, Adrian Taylor, Marzia Zaman

机构 * Carleton University（卡尔顿大学） 纠错

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

AI总结 FORGE通过群体广播机制实现无梯度更新的自生成记忆，提升层次ReAct代理决策能力，在CybORG CAGE-2任务中显著提高性能并降低失败率。

State Twins: An Off-Chain Substrate for Agentic Reasoning over Decentralized Finance Protocols

状态双生：一种链下子层，用于在去中心化金融协议上进行代理推理

Ian C. Moore

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

AI总结 本文提出State Twin，一种链下子层，用于在去中心化金融协议上进行代理推理。通过将AMM池建模为离散时间受控动态系统，提供精确数学模型和操作扩展能力，实现快速回放和反事实模拟。

Comments 14 pages, 1 table, 7 listings; reference implementation at https://github.com/defipy-devs/defipy

AgentDID: Trustless Identity Authentication for AI Agents

AgentDID: 无信任身份认证用于AI代理

Minghui Xu, Xiaoyu Liu, Yihao Guo, Chunchi Liu, Yue Zhang, Xiuzhen Cheng

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

AI总结 本文提出AgentDID框架，解决AI代理身份认证与状态验证问题，支持自管理身份、大规模并发交互验证及动态执行状态确认。

Comments 8 figures, 1 table. Accepted by ICDCS 2026

Evolvable Embodied Agent for Robotic Manipulation via Long Short-Term Reflection and Optimization

可进化具身代理：通过长期短期反思与优化实现机器人操作

Jianzong Wang, Botao Zhao, Yayun He, Junqing Peng, Xulong Zhang

机构 * Ping An Technology (Shenzhen) Co., Ltd.（平安科技（深圳）有限公司） 纠错

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

AI总结 本文提出EEAgent框架，通过长短期反思优化机制提升机器人在复杂任务中的适应能力，实现自我进化，优于现有方法。

Comments This work has been accepted for publication in the Proceedings of the 2026 International Joint Conference on Neural Networks (IJCNN 2026)

Reflection-Driven Self-Optimization 6G Agentic AI RAN via Simulation-in-the-Loop Workflows

基于回溯的自优化6G智能代理AI无线接入网

Yunhao Hu, Xinchen Lyu, Chenshan Ren, Keda Chen, Qimei Cui, Xiaofeng Tao

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

AI总结 本文提出基于回溯的自优化框架，整合智能代理AI与高保真网络仿真，实现自校正系统，提升干扰优化吞吐量17.1%，用户QoS满意度提升67%，低流量时段资源利用率降低25%。

WirelessAgent: A Unified Agent Design for General Wireless Resource Allocation Problem without Current Channel State Information

WirelessAgent：一种用于无线资源分配问题的统一智能体设计，无需当前信道状态信息

Ran Yi, Ruopeng Xu, Dongshu Zhao, Zhaoyang Zhang, Baolin Chen, Kai-Kit Wong, Hyundong Shin, Zhaohui Yang

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

AI总结 本文提出一种统一智能体设计，用于解决无线资源分配问题，无需当前信道状态信息。通过多目标优化满足不同用户需求，利用AI模型预测缺失信道数据，实现多目标优化。

BranchBench: Aligning Database Branching with Agentic Demands

BranchBench: 将数据库分支与代理需求对齐

Elaine Ang, Sam Weldon, In Keun Kim, Kevin Durand, Kostis Kaffes, Eugene Wu

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

AI总结 BranchBench评估可分支关系型数据库在代理探索中的性能，发现优化分支速度的系统读取速度显著下降，而优化数据操作的系统分支创建延迟更高，凸显需设计专门支持代理探索的数据库。

AgentIAD: Agentic Industrial Anomaly Detection via Adaptive Memory Augmentation

AgentIAD: 通过自适应记忆增强的代理工业异常检测

Junwen Miao, Penghui Du, Yingying Fan, Yi Liu, Yu Wang, Runze He, Lida Huang, Yan Wang

机构 * AIR, Tsinghua University（清华大学AIR） ； Etude AI ； Stony Brook University（石溪大学） 纠错

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

AI总结 本文提出AgentIAD框架，通过统一的动作空间实现迭代工业检测，利用视觉记忆和检索记忆进行多轮感知-行动推理，提升异常检测准确性和可解释性。

Memp: Exploring Agent Procedural Memory

Memp：探索代理程序记忆

Runnan Fang, Yuan Liang, Xiaobin Wang, Jialong Wu, Shuofei Qiao, Pengjun Xie, Fei Huang, Huajun Chen, Ningyu Zhang

机构 * Zhejiang University（浙江大学） ； Alibaba Group（阿里巴巴集团） ； State Key Lab. for Novel Software Technology（新型软件技术国家重点实验室） ； Nanjing University（南京大学） 纠错

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

AI总结 本文提出Memp，一种可学习、可更新且终身的程序记忆系统，通过提炼历史轨迹生成细粒度指令和高层脚本抽象，提升代理在TravelPlanner和ALFWorld任务中的成功率和效率。

Comments ACL 2026 Findings

MolMem: Memory-Augmented Agentic Reinforcement Learning for Sample-Efficient Molecular Optimization

MolMem：基于记忆的代理强化学习用于样本高效的分子优化

Ziqing Wang, Yibo Wen, Abhishek Pandy, Han Liu, Kaize Ding

机构 * Northwestern University（西北大学） ； AbbVie（阿比维） 纠错

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

AI总结 MolMem通过双记忆系统提升分子优化的样本效率，利用静态示例记忆和进化技能记忆，实现90%的成功率和52%的多属性任务表现。

QVAD: A Question-Centric Agentic Framework for Efficient and Training-Free Video Anomaly Detection

QVAD：一种以问题为中心的代理框架，用于高效且无需训练的视频异常检测

Lokman Bekit, Hamza Karim, Nghia T Nguyen, Yasin Yilmaz

机构 * Department of Electrical Engineering, University of South Florida, Tampa, Florida, USA（南佛罗里达大学电气工程系，坦帕，佛罗里达州，美国） 纠错

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

AI总结 QVAD提出一种以问题为中心的代理框架，通过动态对话机制提升视频异常检测的效率和性能，无需参数更新即可实现高精度检测。

GEMS: Agent-Native Multimodal Generation with Memory and Skills

GEMS：基于记忆与技能的代理原生多模态生成

Zefeng He, Siyuan Huang, Xiaoye Qu, Yafu Li, Tong Zhu, Yu Cheng, Yang Yang

机构 * Shanghai AI Laboratory（上海人工智能实验室） ； Nanjing University（南京大学） ； Shanghai Jiao Tong University（上海交通大学） ； CUHK（香港中文大学） 纠错

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

AI总结 GEMS通过引入代理循环、记忆和技能组件，提升多模态生成在复杂指令和专业任务中的性能，使轻量级模型在GenEval2中超越现有最佳模型。

Comments Project Page: https://gems-gen.github.io

Red-MIRROR: Agentic LLM-based Autonomous Penetration Testing with Reflective Verification and Knowledge-augmented Interaction

Red-MIRROR：基于大语言模型的自主渗透测试系统，结合反射验证与知识增强交互

Tran Vy Khang, Nguyen Dang Nguyen Khang, Nghi Hoang Khoa, Do Thi Thu Hien, Van-Hau Pham, Phan The Duy

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

AI总结 Red-MIRROR通过引入紧密耦合的记忆-反射架构，解决传统渗透测试中依赖参数知识、记忆碎片化和验证不足的问题，实现复杂Web漏洞的高效检测与验证，其在XBOW基准测试中成功率达到86%。

Comments 26 pages

WorldMM: Dynamic Multimodal Memory Agent for Long Video Reasoning

WorldMM: 动态多模态记忆代理用于长视频推理

Woongyeong Yeo, Kangsan Kim, Jaehong Yoon, Sung Ju Hwang

机构 * KAIST（韩国科学技术院） ； NTU Singapore（新加坡南洋理工大学） 纠错

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

AI总结 WorldMM通过构建和检索多种互补记忆，提升长视频推理能力，实现8.4%的性能提升。

Comments CVPR 2026. Project page : https://worldmm.github.io

Infrastructure for Valuable, Tradable, and Verifiable Agent Memory

基础设施：有价值的、可交易的和可验证的智能体记忆

Mengyuan Li, Lei Gao, Haoxuan Xu, Jiate Li, Potung Yu, Lingke Cheng, Yue Zhao, Murali Annavaram

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

AI总结 本文提出clawgang和meowtrade，通过可验证的计算溯源和市场层，将智能体记忆转化为可交易的经济资产，实现记忆的可转移和可重复利用。

Software as Content: Dynamic Applications as the Human-Agent Interaction Layer

软件作为内容：动态应用作为人-智能体交互层

Mulong Xie, Yang Xie

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

AI总结 本文提出软件作为内容（SaC）范式，通过动态生成的智能体应用作为人-智能体交互媒介，解决传统自然语言接口在结构信息处理和复杂任务中的局限性，展示其在选择、探索和执行任务中的可行性。

Comments 37 pages, 10 figures

InterDeepResearch: Enabling Human-Agent Collaborative Information Seeking through Interactive Deep Research

InterDeepResearch：通过交互式深度研究实现人机协作的信息检索

Bo Pan, Lunke Pan, Yitao Zhou, Qi Jiang, Zhen Wen, Minfeng Zhu, Wei Chen

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

AI总结 本文提出InterDeepResearch系统，通过交互式深度研究框架提升人机协作信息检索效率，实验证明其在性能和用户研究支持方面具有竞争力。

Pneuma-Seeker: A Relational Reification Mechanism to Align AI Agents with Human Work over Relational Data

Pneuma-Seeker: 一种关系重构机制，用于将AI代理与关系数据上的人类工作对齐

Muhammad Imam Luthfi Balaka, John Hillesland, Kemal Badur, Raul Castro Fernandez

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

AI总结 Pneuma-Seeker通过关系重构机制，将AI代理与人类工作对齐，提升数据处理的准确性和可信赖性。

VisionCreator-R1: A Reflection-Enhanced Native Visual-Generation Agentic Model

VisionCreator-R1: 一种增强反思的原生视觉生成代理模型

Jinxiang Lai, Wenzhe Zhao, Zexin Lu, Hualei Zhang, Qinyu Yang, Rongwei Quan, Zhimin Li, Shuai Shao, Song Guo, Qinglin Lu

机构 * Tencent Hunyuan（腾讯文言） ； Hong Kong University of Science and Technology（香港科学与技术大学） 纠错

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

AI总结 VisionCreator-R1通过引入反射-计划联合优化方法，提升视觉生成代理在单图和多图任务中的表现，优于现有模型。

ChatNeuroSim: An LLM Agent Framework for Automated Compute-in-Memory Accelerator Deployment and Optimization

ChatNeuroSim：一种用于自动计算在内存加速器部署和优化的LLM代理框架

Ming-Yen Lee, Shimeng Yu

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

AI总结 ChatNeuroSim是一种基于LLM的代理框架，用于自动部署和优化计算在内存加速器，通过设计空间修剪技术提升优化效率。

Comments 30 pages, 16 figures

Shifting Adaptation from Weight Space to Memory Space: A Memory-Augmented Agent for Medical Image Segmentation

从权重空间到记忆空间的迁移适应：一种用于医学图像分割的记忆增强代理

Bowen Chen, Qiaohui Gao, Shaowen Wan, Shanhui Sun, Wei Liu, Xiang Li, Tianming Liu, Lin Zhao

机构 * Department of Electrical and Computer Engineering, University of California, Santa Barbara, Santa Barbara, CA 93106, USA（电子工程系，加州大学圣芭芭拉分校） ； College of Engineering, Northeastern University, Boston, MA 02115, USA（工程学院，东北大学） ； Department of Biomedical Engineering, New Jersey Institute of Technology, Newark, NJ 07102, USA（生物医学工程系，新泽西理工学院） ； United Imaging Intelligence, Burlington, MA 01803, USA（联合影像智能公司） ； Department of Radiation Oncology, Mayo Clinic, Scottsdale, AZ 85259, USA（放射肿瘤科，梅奥诊所） ； Department of Radiology, Massachusetts General Hospital and Harvard Medical School, Boston, MA 02115, USA（放射科，麻省总医院和哈佛医学院） ； School of Computing, University of Georgia, Athens, GA 30602, USA（计算学院，佐治亚大学） 纠错

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

AI总结 本文提出MemSeg-Agent，通过将适应从权重空间转移到记忆空间，实现少样本学习、联邦监督学习和测试时间适应，提升医学图像分割的泛化能力和效率。

Towards Multimodal Lifelong Understanding: A Dataset and Agentic Baseline

迈向多模态终身理解：一个数据集和代理基准

Guo Chen, Lidong Lu, Yicheng Liu, Liangrui Dong, Lidong Zou, Jixin Lv, Zhenquan Li, Xinyi Mao, Baoqi Pei, Shihao Wang, Zhiqi Li, Karan Sapra, Fuxiao Liu, Yin-Dong Zheng, Yifei Huang, Limin Wang, Zhiding Yu, Andrew Tao, Guilin Liu, Tong Lu

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

AI总结 本文提出MM-Lifelong数据集和ReMA代理，解决多模态终身理解中的工作记忆瓶颈和全局定位崩溃问题，通过动态内存管理提升模型性能。