Apollonion: Profile-centric Dialog Agent
专题命中 记忆与上下文管理 :agent(title,abstract);分类 cs.AI、cs.CL
AI 大模型
智能体、工具调用、规划、工作流、多智能体和自主任务执行。
专题命中 记忆与上下文管理 :agent(title,abstract);分类 cs.AI、cs.CL
专题命中 记忆与上下文管理 :agent(title,abstract);分类 cs.AI、cs.CL
Comments 4 pages
专题命中 记忆与上下文管理 :agent(title,abstract);分类 cs.AI、cs.CL
Comments 4 pages, 2 figures
专题命中 记忆与上下文管理 :agent(title,abstract);分类 cs.AI、cs.CL
专题命中 记忆与上下文管理 :agent(title,abstract);分类 cs.AI、cs.CL
Comments Source codes are available at https://github.com/Roihn/SABM
专题命中 记忆与上下文管理 :agent(title,abstract);分类 cs.AI、cs.LG
Comments ICML 2023. Website at https://sear-rl.github.io/
专题命中 记忆与上下文管理 :agent(title,abstract);分类 cs.AI、cs.CL
Comments 5 pages, 2 figures, Accepted at SIGDIAL 2023 (24th Meeting of the Special Interest Group on Discourse and Dialogue), for the demo video, see https://youtu.be/fwtUl1kl22s
专题命中 记忆与上下文管理 :agent(title,abstract);分类 cs.AI、cs.LG
专题命中 记忆与上下文管理 :agent(title,abstract);分类 cs.AI、cs.LG
Comments Published in Transactions on Machine Learning Research. 13 pages + 2 references + 15 appendix, 12 figures
专题命中 记忆与上下文管理 :autonomous agent(title,abstract);分类 cs.AI、cs.LG
Comments To appear at the 2022 International Joint Conference on Neural Networks (IJCNN), the 2022 IEEE World Congress on Computational Intelligence (WCCI), July 2022, Padova, Italy
专题命中 记忆与上下文管理 :agent(title,abstract);分类 cs.AI、cs.LG
专题命中 记忆与上下文管理 :agent(title,abstract);分类 cs.AI、cs.LG
Comments Submitted to ICLR 2023
专题命中 记忆与上下文管理 :agent(title,abstract);分类 cs.AI、cs.LG
专题命中 记忆与上下文管理 :agent(title,abstract);分类 cs.AI、cs.CL
专题命中 记忆与上下文管理 :autonomous agent(title);agent(abstract);分类 cs.AI、cs.LG
Comments Presented at 1st International Workshop on Adaptive Cyber Defense, 2021 (arXiv:2108.08476)
专题命中 记忆与上下文管理 :agent(title,abstract);分类 cs.AI、cs.LG
专题命中 记忆与上下文管理 :agent(title,abstract);分类 cs.CL、cs.LG
Comments Preprint: Under Review
专题命中 记忆与上下文管理 :autonomous agent(title);agent(abstract);分类 cs.AI、cs.LG
专题命中 记忆与上下文管理 :agent(title,abstract);分类 cs.AI、cs.LG
专题命中 记忆与上下文管理 :agent(title,abstract);分类 cs.AI、cs.LG
Comments 9 pages, 6 figures
专题命中 记忆与上下文管理 :agent(title,abstract);分类 cs.AI、cs.LG
Journal ref Adaptive Behavior 19(1),2011
我们准备好构建原生智能体记忆系统了吗?
机构 * Shanghai Jiao Tong University(上海交通大学) ; Tsinghua University(清华大学) ; MemTensor (Shanghai) Technology Co., Ltd(MemTensor(上海)科技有限公司)
专题命中 记忆与上下文管理 :agent(title,abstract);分类 cs.CL
AI总结 从数据管理视角系统研究智能体记忆,提出四模块分析框架,评估12种记忆系统,发现无单一架构占优,并揭示成本-性能权衡。
Comments Paper list available at: https://github.com/OpenDataBox/awesome-agent-memory. Source code available at: https://github.com/OpenDataBox/MemoryData
机构 * SIANI, Universidad de Las Palmas de Gran Canaria, Spain(SIANI,拉斯帕尔马斯德Gran Canaria大学,西班牙)
专题命中 记忆与上下文管理 :agent(title,abstract);分类 cs.AI
Comments Accepted for presentation at the International Workshop on Agent-Based Modelling of Human Behaviour (ABMHuB 2025)
机构 * Division of Cancer Registry of Norway, Norwegian Institute of Public Health, Oslo, Norway(挪威癌症登记处,挪威公共卫生研究所,奥斯陆) ; Department of Physics and Technology, The Arctic University of Norway, Tromsø, Norway(挪威极地大学物理与技术系)
专题命中 记忆与上下文管理 :agentic(title,abstract);分类 cs.LG
Comments Accepted at ICML 2025 Workshop on Collaborative and Federated Agentic Workflows (CFAgentic@ICML'25)
专题命中 记忆与上下文管理 :agentic(title,abstract);分类 cs.CL
Comments Work in progress. GitHub: https://github.com/HITsz-TMG/Agentic-CIGEval
更少上下文,更高准确率:一种用于LLM Agent的双时间记忆引擎,其中精简检索上下文优于完整历史
机构 * Independent Researcher(独立研究者)
专题命中 记忆与上下文管理 :agent(title_cn,abstract_cn);分类 cs.AI、cs.CL、cs.LG
AI总结 提出一种双时间记忆引擎Engram,通过混合读取路径从约9.6k token的检索片段中回答,在LongMemEval_S上达到83.6%准确率,比完整历史(79k token)高10.4个百分点,且无错误。
Comments 14 pages, 4 figures, 3 tables. Code, reproducible harness, and raw per-question logs: https://github.com/ly-wang19/engram
M$^\star$:每个任务都应有专属的记忆框架
机构 * City University of Hong Kong(香港城市大学) ; Microsoft(微软)
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
个人视觉上下文学习在大型多模态模型中
机构 * The University of Texas at Austin(德克萨斯大学奥斯汀分校)
专题命中 记忆与上下文管理 :agentic(summary_cn,abstract)
AI总结 本文提出个人视觉上下文学习(Personal VCL)以解决个性化查询,通过Personal-VCL-Bench评估,发现现有模型在利用视觉证据和聚合多视觉观察方面存在显著不足,提出Agentic Context Bank方法提升性能。
Comments Project website: https://vision.cs.utexas.edu/projects/PersonalVCL/
固态代理:固态模拟的新时代
专题命中 记忆与上下文管理 :agent(abstract);workflow(abstract);agentic(abstract);multi-agent(abstract)
AI总结 El Agente Sólido是一种基于多代理框架的自动化固态量子化学模拟工具,结合密度泛函理论与机器学习势能,提升材料发现的效率和可重复性。
Comments 42 pages, 31 figures, 18 tables
RocqSmith: 自动优化能否打造更优的证明代理?
机构 * JetBrains Research Germany(JetBrains德国研究机构) ; JetBrains Research Netherlands(JetBrains荷兰研究机构) ; Constructor University Bremen(布雷梅Constructor大学)
专题命中 记忆与上下文管理 :agent(abstract);AI agent(abstract);agentic(abstract);分类 cs.AI、cs.LG、cs.SE
AI总结 RocqSmith研究自动优化方法在提升证明代理性能上的效果,发现简单引导方法效果最佳,但无法超越精心设计的证明代理。