AI Agent

ECHO: Prune To Act, Trace To Learn With Selective Turn Memory In Agentic RL

ECHO: 在智能体强化学习中通过选择性回合记忆进行剪枝行动与追踪学习

Zijun Xie, Binbin Zheng, Enlei Gong, Jihua Liu, Yuyang You, Lingfeng Liu, Jiayao Tang, Guanqun Zhao, Aoqi Hu, Zeyu Chen

机构 * School of Mathematical Sciences, Peking University（北京大学数学科学学院） ； Baidu Inc.（百度公司） ； University of Science and Technology of China（中国科学技术大学） 纠错

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

AI总结 提出ECHO框架，通过选择性回合记忆和源索引重建解决长程智能体强化学习中的历史崩溃与可追踪学习问题，在BrowseComp-Plus上达到43.4%准确率，优于GRPO和SUPO。

PatchWorld: Gradient-Free Optimization of Executable World Models for Agent Environments

PatchWorld：可执行世界模型的免梯度优化

Jiaxin Bai, Yue Guo, Yifei Dong, Jiaxuan Xiong, Tianshi Zheng, Yixia Li, Tianqing Fang, Yufei Li, Yisen Gao, Haoyu Huang, Zhongwei Xie, Hong Ting Tsang, Zihao Wang, Lihui Liu, Jeff Z. Pan, Yangqiu Song

机构 * Hong Kong Baptist University（香港 Baptist 大学） ； Independent Researcher（独立研究员） ； HKUST（香港科技大学） ； Beijing Institute of Technology（北京理工大学） ； Southern University of Science and Technology（南方科技大学） ； Wayne State University（韦恩州立大学） ； University of Edinburgh（爱丁堡大学） 纠错

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

AI总结 提出 PatchWorld 框架，通过反例引导的代码修复将离线轨迹转化为可执行的 Python 世界模型，实现无需梯度优化的符号信念状态程序，在 AgentGym 环境中达到 76.4% 的宏观成功率。

ChipChat: Low-Latency Cascaded Conversational Agent in MLX

ChipChat：MLX 中的低延迟级联对话代理

Tatiana Likhomanenko, Richard He Bai, Zijin Gu, Zakaria Aldeneh, Shiladitya Dutta, Luke Carlson, Han Tran, Yizhe Zhang, Ruixiang Zhang, Huangjie Zheng, Navdeep Jaitly

机构 * Apple（苹果公司） 纠错

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

AI总结 探讨实时设备语音代理最佳架构问题，介绍低延迟级联系统 ChipChat，它通过架构创新和流优化克服传统瓶颈，集成多种技术，用 MLX 实现亚秒级响应延迟，为实用语音 AI 代理发展提供新路径。

Comments best demo paper award ASRU 2025

Journal ref ASRU 2025

TAME: A Trustworthy Test-Time Evolution of Agent Memory with Systematic Benchmarking

TAME: 一种可信的智能体记忆测试时演化与系统化基准测试

Yu Cheng, Yongkang Hu, Jiuan Zhou, Yushuo Zhang, Yihang Chen, Huichi Zhou, Mingang Chen, Zhizhong Zhang, Kun Shao, Yuan Xie, Zhaoxia Yin

机构 * East China Normal University（东华师范大学） ； Shanghai Innovation Institute（上海创新研究院） ； Shanghai Key Laboratory of Computer Software Evaluating and Testing（上海计算机软件评测与测试重点实验室） ； Huawei Noah’s Ark Lab（华为诺亚实验室） 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 提出TAME框架，通过执行器-评估器循环实现记忆的可信演化，解决良性任务演化中智能体可信度下降问题，在GPT-5.2 AIME上准确率提升14.6个百分点。

memorywire: A Vendor-Neutral Wire Format for Agent Memory Operations

AMP：一种用于智能体内存操作的供应商中立线格式

Thamilvendhan Munirathinam

机构 * Independent Researcher（独立研究者） 纠错

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

AI总结 提出一种基于JSON-Schema 2020-12的供应商中立线格式memorywire，支持五种内存操作和四种内存类型，通过参考实现和基准测试验证其性能与兼容性。

Comments 18 pages, 1 figure, 6 tables. v4: PurgeBench is a companion benchmark by the same author (previously called "external"), plus a threats-to-validity note; no results changed. v3 added the memory-poison recovery evaluation and recover tool. Code: github.com/mthamil107/memorywire

InfMem: Learning System-2 Memory Control for Long-Context Agent

InfMem: 面向长上下文智能体的系统2记忆控制

Xinyu Wang, Mingze Li, Peng Lu, Xiao-Wen Chang, Lifeng Shang, Jinping Li, Fei Mi, Prasanna Parthasarathi, Yufei Cui

机构 * McGill University（麦吉尔大学） ； Noah's Ark Lab（诺亚实验室） 纠错

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

AI总结 InfMem通过预思考-检索-写作协议实现系统2风格的控制，有效提升超长文档推理的准确率并减少推理时间。

Comments Accepted to COLM 2026

MemForest: An Efficient Agent Memory System with Hierarchical Temporal Indexing

MemForest: 一种具有层次化时间索引的高效智能体记忆系统

Han Chen, Zining Zhang, Wenqi Pei, Bingsheng He, Ming Wu, Jason Zeng, Michael Heinrich, Wei Wu, Hongbao Zhang

机构 * National University of Singapore（新加坡国立大学） ； Zero Gravity Labs（零重力实验室） 纠错

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

AI总结 针对长上下文LLM智能体记忆系统中粗粒度状态管理和顺序更新导致的维护开销问题，提出MemForest框架，通过并行块提取和层次化时间索引树MemTree实现高效写入和局部更新，在LongMemEval-S上达到79.8% pass@1准确率，吞吐量比现有方法高约6倍。

Comments 12 pages. Extended version with appendix as supplemental material. Submitted to VLDB

MemTX: Transactional Belief Commit for Stateful Agent Memory

MemTX：用于有状态智能体内存的事务性信念提交

Xiaoyang Li, Yiqi Wang, Haohui Lu, Zhi Chen, Mo Li, Pingan Song, Mingkai Zheng, Taotao Cai

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

AI总结 研究针对大语言模型智能体通过共享内存协调时内存写入问题，提出事务性信念提交协议MemTX，通过携带多种信息、在事务中暂存写入等方式，经机器检查确保不变量，在多主干上领先基线且无下游危害。

Comments Preprint

An Explainable Agentic System for Detection of Conversational Scams with Summary-Based Memory

基于摘要记忆的可解释智能系统用于检测对话诈骗

Ahmed Omar Salim Adnan, Yogananda Manjunath, Shivanjali Khare

机构 * University of New Haven（新罕布什尔大学） 纠错

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

AI总结 针对对话诈骗威胁，本文提出基于摘要记忆的可解释智能系统，扩展单消息钓鱼检测。引入多类别基准ConScamBench - 278，单消息和对话级检测器效果良好，两项用户研究及可用性验证了系统有效性。

His2Trans: A Knowledge-Guided Agentic Framework for Project-Level C-to-Rust Migration

基于构建意识的增量C到Rust迁移：通过骨架优先翻译和历史知识重用

Shengbo Wang, Mingwei Liu, Guangsheng Ou, Yuwen Chen, Zike Li, Yanlin Wang

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

AI总结 本文提出His2Trans框架，通过构建意识的骨架构建和历史知识重用，实现C到Rust的增量迁移，提升构建可行性并减少警告数量。

Agentic Episodic Control

智能体情节控制

Xidong Yang, Wenhao Li, Junjie Sheng, Yun Hua, Haosheng Chen, Chuyun Shen, Xiangfeng Wang

机构 * East China Normal University（华东师范大学） ； Tongji University（同济大学） ； Shanghai Jiao Tong University（上海交通大学） ； Shanghai University of International Business and Economics（上海对外经贸大学） ； Shenzhen Loop Area Institute（深圳河套学院） 纠错

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

AI总结 提出智能体情节控制（AEC），利用大语言模型增强情节强化学习，通过语义增强器和关键状态识别器提升数据效率和泛化能力，在BabyAI-Text环境中实现2-6倍数据效率提升。

Comments Accepted to Findings of the 64th Annual Meeting of the Association for Computational Linguistics (ACL 2026)

AIR: Improving Agent Safety through Incident Response

AIR：通过事件响应提升智能体安全性

Zibo Xiao, Jun Sun, Junjie Chen

机构 * Tianjin University（天津大学） ； Singapore Management University（新加坡国立管理学院） 纠错

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

AI总结 提出首个面向LLM智能体系统的事件响应框架AIR，通过语义检测、自动遏制恢复和规则合成，在三个典型智能体上实现超90%的检测、修复和根除成功率。

Comments Accepted at ICML 2026

SkillRevise: Improving LLM-Authored Agent Skills via Trace-Conditioned Skill Revision

SkillRevise: 通过轨迹条件技能修订改进LLM撰写的智能体技能

Yuxuan Liu, Zhaochen Su, Lingyun Xie, Yuhao Zhang, Qing Zong, Jiahe Guo, Zhongwei Xie, Yiyan Ji, Yauwai Yim, Hongyu Luo, Xiyu Ren, Ruan Chenyu, Haoran Li, Yangqiu Song

机构 * The Hong Kong University of Science and Technology（香港科学与技术大学） ； Harbin Institute of Technology（哈尔滨工业大学） ； Harbin Institute of Technology, Shenzhen（哈尔滨工业大学（深圳）） ； Nanjing University（南京大学） ； The University of Hong Kong（香港大学） 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SkillRevise框架，通过执行证据诊断、修复原则检索和执行锚定编辑，迭代优化初始技能，在SkillsBench上将基础智能体成功率从36.05%提升至61.63%，并展现跨模型迁移性。

Comments 15 pages, 4 figures

The Missing Knowledge Layer in Cognitive Architectures for AI Agents

AI智能体认知架构中缺失的知识层

Michaël Roynard

机构 * Independent Researcher（独立研究者） 纠错

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

AI总结 针对现有AI智能体认知架构（如CoALA和JEPA）缺乏独立知识层的问题，提出四层分解架构（知识、记忆、智慧、智能），各层具有不同的持久性语义，并通过Python和Rust实现验证了架构分离的可行性。

Toward Learning POMDPs Beyond Full-Rank Actions and State Observability

迈向超越全秩动作和状态可观测性的POMDP学习

Seiji Shaw, Travis Manderson, Chad Kessens, Nicholas Roy

机构 * MIT Computer Science and Artificial Intelligence Lab（麻省理工学院计算机科学与人工智能实验室） ； DEVCOM Army Research Laboratory（陆军研究实验室） 纠错

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

AI总结 本文提出了一种基于PSR方法学习POMDP参数的方法，通过张量分解估计相似变换，实现状态划分下的转移和观察模型学习，并展示了其在不同奖励函数下的应用潜力。

Comments WAFR camera-ready

When Does Belief-Based Agent Memory Help? Reliability-Conditional Updating and Provenance-Capped Poisoning Defense

Nous：一种用于长期智能体记忆的预测世界模型

Pranav Singh

机构 * Indian Institute of Technology Ropar（印度理工学院罗巴尔分校） 纠错

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

AI总结 提出Nous记忆架构，基于知识即预测而非存储的原则，通过贝叶斯更新维护概率分布，以信息论惊喜度评分并记录信念变化，在LoCoMo基准上取得优于对比方法的F1分数。

Comments Preprint. 10 pages, 1 figure, 6 tables

FUSION: Forecast-Embedded Agent Scheduling with Service Incentive Optimization over Distributed Air-Ground Edge Networks

融合：分布式空地边缘网络中具有服务激励优化的预测嵌入式智能体调度

Houyi Qi, Minghui Liwang, Seyyedali Hosseinalipour, Liqun Fu, Sai Zou, Xianbin Wang, Wei Ni, Yiguang Hong

专题命中 记忆与上下文管理 ：agent(title,abstract)

AI总结 针对分布式空地集成网络，提出含离线和在线阶段的FUSION两阶段优化框架。离线阶段用液神经网络预测需求，经路由和激励机制确定合同与路线；在线阶段将任务调度建模为博弈求解。实验表明该框架能提升福利与利用率。

Rivaling Transformers: Multi-Scale Structured State-Space Mixtures for Agentic 6G O-RAN

媲美Transformer：用于智能体6G O-RAN的多尺度结构化状态空间混合模型

Farhad Rezazadeh, Hatim Chergui, Merouane Debbah, Houbing Song, Lingjia Liu

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

AI总结 针对6G O-RAN中多时间尺度动态下的近实时控制需求，提出轻量级多尺度结构化状态空间混合模型（MS3M），通过HiPPO-LegS核混合和双线性离散化实现高效时序预测，在保持精度前提下将推理延迟降至Transformer的1/3至1/10。

Comments 12 pages, 2 Figures, 5 Tables

Reliable Post-Retrieval Assembly for Agent Memory: Separating Evidence Extraction from Policy Execution

不要询问LLM追踪新鲜度：一种确定性的内存冲突解决策略

Vikas Reddy, Sumanth Reddy Challaram

机构 * IIT Kgp（印度理工学院科钦分校） 纠错

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

AI总结 针对基于LLM的内存系统中事实冲突解决性能低下的问题，提出用候选提取加Python max(serial)的确定性聚合替代LLM判断，在单跳任务上提升10.8个百分点，并扩展到多跳任务。

Comments 11 pages, 5 tables. Accepted as a poster at the Lifelong Agent Workshop at COLM 2026. Code: https://github.com/cvikasreddy/memory-conflict-resolution

Structured Cognitive Loop for Behavioral Intelligence in Large Language Model Agents (Extended Revision: From Behavioral Architecture to Epistemic Accountability)

大型语言模型代理中行为智能的结构化认知循环（扩展修订：从行为架构到认知问责）

Myung Ho Kim

机构 * JEI University（JEI大学） 纠错

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

AI总结 提出结构化认知循环（SCL）架构，通过分离认知、记忆、控制和行动模块，实现LLM代理的可问责行为，在360个任务中成功率86.3%，优于基线方法。

Comments This revised version extends the original SCL framework from a behavioral architecture for reliable LLM agents into a broader architecture of epistemic accountability, integrating context-aware Human-in-the-Loop control, Pool-Gated Retrieval, and the Horizon-Warrant-Commitment structure

Memory as a Service (MaaS): Purpose-Bound Memory Mediation for Cooperative Agents

记忆即服务 (MaaS)：面向合作智能体的目的绑定记忆中介

Haichang Li

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

AI总结 提出记忆即服务 (MaaS) 框架，通过目的绑定的记忆中介机制，在合作编程智能体间平衡记忆共享效用与隐私泄露风险，实验表明现有检索方法存在严重隐私泄露。

Comments Accepted to the KDD 2026 Workshop on Agentic Software Engineering (AgenticSE @ KDD 2026)

Long-Term Memory for VLA-based Agents in Open-World Task Execution

基于VLA的智能体长期记忆在开放世界任务执行中的应用

Xu Huang, Weixin Mao, Yinhao Li, Hua Chen, Jiabao Zhao

机构 * Nanjing University（南京大学） ； LimX Dynamics（LimX 动态） 纠错

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

AI总结 本文提出ChemBot框架，通过双层记忆和MCP服务器提升复杂化学实验中的任务执行效率与安全性。

Comments Added references

LazyMem: Retrieve Broadly, Construct Selectively for Efficient Long-Term Agent Memory

LazyMem：广泛检索，按需构建以实现高效长期智能体记忆

Jing Yu, Yibo Zhao, Jiaming Zhang, Xiang Li

机构 * School of Data Science and Engineering, East China Normal University（数据科学与工程学院，华东师范大学） 纠错

专题命中 记忆与上下文管理 ：agent(title)；分类 cs.AI

AI总结 研究针对大语言模型智能体长期记忆中原始对话历史的问题，提出LazyMem方法，将记忆构建推迟到查询时，通过轻量级模型处理候选池，经特定训练方式，在基准测试中取得高准确率，减少记忆令牌数和延迟。

Comments 29 pages, under review

Retain or Consolidate? Budget-Dependent Operator Selection for Language Agent Memory

保留还是合并？语言智能体记忆中依赖预算的算子选择

Qingcan Kang, Mingyang Liu, Shixiong Kai, Kaichao Liang, Zhentao Tang, Yuqi Cui, Tao Zhong, Mingxuan Yuan

专题命中 记忆与上下文管理 ：agent(title)；分类 cs.AI

AI总结 研究语言智能体记忆中预算依赖的算子选择问题，核心方法是将算子效用分解，用离线抽象安全机制实现，主要贡献是通过实验揭示在不同预算下保留和合并策略的适用情况及算子效果差异。

Forensic Trajectory Signatures for Agent Memory Poisoning Detection

用于智能体记忆中毒检测的法医轨迹签名

Jun Wen Leong

专题命中 记忆与上下文管理 ：agent(title)；分类 cs.LG

AI总结 发现LLM智能体在持久记忆中毒下的行为不变性，利用轨迹特征实现高精度检测（AUC=0.9904），并能区分记忆通道攻击与提示注入攻击。

Comments 16 pages, 3 figures. v2: adds preregistered deployment boundary study (N=4,360, 13 models). Companion to arXiv:2605.08442

All-Mem: Agentic Lifelong Memory via Dynamic Topology Evolution

All-Mem: 通过动态拓扑演化实现智能体终身记忆

Can Lv, Heng Chang, Shengyu Tao, Mingju Chen, Zhaoxin Fan, Ziwei Zhang, Yuchen Guo, Shiji Zhou

机构 * Beijing Advanced Innovation Center for Future Blockchain and Privacy Computing（北京未来区块链与隐私计算先进创新中心） ； Beihang University（北航） ； Tsinghua University（清华大学） ； Chalmers University of Technology（查尔姆斯理工大学） 纠错

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

AI总结 提出All-Mem框架，通过在线/离线结合的非破坏性拓扑结构记忆库，解决终身交互代理中历史增长导致的检索冗余和噪声问题，在LoCoMo和LongMemEval-s上提升检索与问答性能。

CogniFold: Always-On Proactive Memory via Cognitive Folding

CogniFold: 通过认知折叠实现始终在线的主动记忆

Suli Wang, Yiqun Duan, Yu Deng, Rundong Zhao, Dai Shi, Minghua Deng, Chen Chen, Yiqi Wang, Xinliang Zhou

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

AI总结 提出CogniFold，一种受大脑启发的主动记忆系统，通过将互补学习系统扩展为三层（海马体、新皮层、前额叶意图层）并利用图拓扑自组织，实现事件流的持续认知结构涌现，在认知评估和常规记忆基准上均表现优异。

Comments Code is available at https://github.com/OpenNorve/CogniFold

Metis: Memory Foundation Model

Metis：记忆基础模型

Zeyu Zhang, Ziliang Guo, Yihang Sun, Xichong Zhang, Xixuan Hao, Zehao Lin, Yang Zhang, Xiaoyan Zhao, Tong Shen, Bo Tang, Zhi-Qin John Xu, Junchi Yan, Haofen Wang, Xu Chen, Feiyu Xiong, Zhiyu Li, Tat-Seng Chua

机构 * MemTensor (Shanghai) Technology Co., Ltd.（墨芯（上海）科技有限公司） ； Renmin University of China（中国人民大学） ； National University of Singapore（新加坡国立大学） ； Shanghai Jiao Tong University（上海交通大学） ； Tongji University（同济大学） 纠错

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

AI总结 该研究提出首个记忆基础模型原型Metis，赋予基础模型原生记忆能力，通过新架构与优化目标实现，经实验验证其具备原生记忆能力并发布相关资源。

Comments 46 pages, 11 figures, 16 tables

WebCoach: Self-Evolving Web Agents with Cross-Session Memory Guidance

WebCoach：具有跨会话记忆引导的自我进化网络代理

Genglin Liu, Shijie Geng, Sha Li, Hejie Cui, Sarah Zhang, Xin Liu, Tianyi Liu

机构 * University of California, Los Angeles（加州大学洛杉矶分校） ； Amazon（亚马逊） 纠错

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

AI总结 研究针对网页代理跨会话学习不足问题，提出WebCoach框架，通过三个关键组件赋予代理跨会话记忆，可长期规划与自我进化，在WebVoyager基准测试中提升了不同LLM backbone的代理性能。

Comments 18 pages

MemToolAgent: Leveraging Memory for Tool Using Agents Based on Environment and User Feedback

MemToolAgent概述：一个简单的餐厅预订场景，其中代理检索相似记忆，接收关于无效时间格式的反馈，并生成反思以更新其记忆

Suleyman Armagan Er, Danilo Ribeiro, Yogesh Virkar, Surafel Lakew, Adi Kalyanpur, James Gung, Thomas Delteil, Arshit Gupta

机构 * AWS AI ； University of Washington（华盛顿大学） 纠错

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

AI总结 提出MemToolAgent框架，通过记忆管理提升大语言模型代理的工具使用能力，包含记忆提取和动态检索模块，在三个基准上分别提升29%、80%和17%。

Comments 8 pages, 5 figures