AI Agent

Operationalizing Reconstructive Authority: Runtime Construction, Dependency Resolution, and Execution Gating in Autonomous Agent Systems

操作化重构权威：自主智能体系统中的运行时构建、依赖解析与执行门控

Marcelo Fernandez - TraslaIA

机构 * TraslaIA 纠错

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

AI总结 本文提出一种运行时执行模型，通过动态依赖解析和恢复循环，确保动作仅在当前状态可构建权威时执行，从而保证安全性和条件活性。

Comments Agent Governance Series, Paper P6. Companion papers on arXiv: P0 (2604.17511), P1 (2603.18829), P2 (2604.17517). P3/4 and P5 submitted concurrently (pending arXiv IDs). Zenodo: 10.5281/zenodo.19699460

Agentic Memory: Learning Unified Long-Term and Short-Term Memory Management for Large Language Model Agents

代理记忆：为大语言模型代理学习统一的长期和短期记忆管理

Yi Yu, Liuyi Yao, Yuexiang Xie, Qingquan Tan, Jiaqi Feng, Yaliang Li, Libing Wu

机构 * School of Cyber Science and Engineering, Wuhan University（武汉大学计算机科学与工程学院） ； Alibaba Group（阿里巴巴集团） 纠错

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

AI总结 本文提出Agentic Memory框架，统一管理大语言模型的长期和短期记忆，通过分步GRPO和三阶段强化学习提升记忆效率与任务表现。

Comments ACL'26 SAC Highlight. The code is available at https://github.com/y1y5/AgeMem

OpenRath: Session-Centered Runtime State for Agent Systems

OpenRath: 面向会话的代理系统运行时状态

Fukang Wen, Zhijie Wang, Ruilin Xu

专题命中 记忆与上下文管理 ：agent(title,abstract)；workflow(abstract,abstract_cn)；multi-agent(abstract)；分类 cs.SE

AI总结 针对代理系统运行时状态碎片化问题，提出以Session为核心的一等运行时抽象，支持分支、检查、重放、后端感知和组合，使fork、merge和replay成为显式运行时操作。

Experience-Evolving Multi-Turn Tool-Use Agent with Hybrid Episodic-Procedural Memory

具有混合情景-程序记忆的经验演化多轮工具使用智能体

Sijia Li, Yuchen Huang, Zifan Liu, Zijian Li, Jingjing fu, Lei Song, Jiang Bian, Jun Zhang, Rui Wang

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

AI总结 本文提出混合情景-程序记忆策略，通过动态重用部分重叠的成功经验，使多轮工具使用策略实现经验驱动的自我演化，提升多轮任务中的推理与执行效率。

Journal ref ICML 2026

Adaptive Memory Crystallization for Autonomous AI Agent Learning in Dynamic Environments

自适应记忆结晶：动态环境中自主AI智能体学习

Rajat Khanda, Mohammad Baqar, Sambuddha Chakrabarti, Satyasaran Changdar

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

AI总结 提出自适应记忆结晶（AMC）架构，基于突触标记与捕获理论，通过三阶段记忆层次和随机微分方程实现持续强化学习，在多个基准上显著提升前向迁移、减少灾难性遗忘并降低内存占用。

SOLAR: A Self-Optimizing Open-Ended Autonomous Agent for Lifelong Learning and Continual Adaptation

SOLAR：一种自优化的开放式自主代理，用于终身学习和持续适应

Nitin Vetcha, Dianbo Liu

机构 * Department of Ophthalmology, Yong Loo Lin School of Medicine, National University of Singapore, Singapore（眼科学系，Yong Loo Lin医学院，新加坡国立大学，新加坡） ； Department of Computational and Data Sciences, Indian Institute of Science, Bangalore, Karnataka, India（计算与数据科学系，印度科学研究院，班加罗尔，卡纳塔克邦，印度） 纠错

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

AI总结 本文提出SOLAR，一种自优化的开放式自主代理，通过参数级元学习实现自我改进，解决了动态真实世界中概念漂移和梯度基适应成本高的问题，展示了在常识、数学、医学、编程、社交和逻辑推理任务上的优越性能。

Comments Accepted at "Association for the Advancement of Artificial Intelligence 2026 Conference" in Streaming Continual Learning Bridge. Published in CEUR Workshop Proceedings (Original version at https://ceur-ws.org/Vol-4183/paper2.pdf)

Journal ref CEUR Workshop Proceedings, Vol. 4183, 2026

Agentic Harness Engineering: Observability-Driven Automatic Evolution of Coding-Agent Harnesses

代理 harness 工程：基于可观测性的自动进化编码代理 harness

Jiahang Lin, Shichun Liu, Chengjun Pan, Lizhi Lin, Shihan Dou, Zhiheng Xi, Xuanjing Huang, Hang Yan, Zhenhua Han, Tao Gui, Yu-Gang Jiang

机构 * Fudan University（复旦大学） ； Peking University（北京大学） ； Shanghai Qiji Zhifeng Co., Ltd（上海启智锋科技有限公司） 纠错

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

AI总结 本文提出了一种基于可观测性的代理 harness 工程方法，通过三个支柱解决 harness 工程中的挑战，使 harness 进化过程自动且可控，实验表明其在多个基准测试中表现优异。

Governed Memory: A Production Architecture for Multi-Agent Workflows

受控内存：多智能体工作流的生产架构

Hamed Taheri

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

AI总结 本文提出受控内存架构，通过共享内存和治理层解决多智能体工作流中的内存治理问题，提升系统精度与可靠性。

Comments 18 pages, 4 figures, 11 tables, 7 appendices. Code and datasets: https://github.com/personizeai/governed-memory

Towards Trustworthy Agentic IoEV: AI Agents for Explainable Cyberthreat Mitigation and State Analytics

Meryem Malak Dif, Mouhamed Amine Bouchiha, Abdelaziz Amara Korba, Yacine Ghamri-Doudane

机构 * L3i - La Rochelle University, La Rochelle, France（L3i - 拉罗谢尔大学） 纠错

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

Comments 10 pages, 7 figures, Accepted at LCN'25

Episodic Multi-agent Reinforcement Learning with Curiosity-Driven Exploration

Lulu Zheng, Jiarui Chen, Jianhao Wang, Jiamin He, Yujing Hu, Yingfeng Chen, Changjie Fan, Yang Gao, Chongjie Zhang

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

State-based Episodic Memory for Multi-Agent Reinforcement Learning

Xiao Ma, Wu-Jun Li

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

AI Agent Systems for Supply Chains: Structured Decision Prompts and Memory Retrieval

供应链中的AI代理系统：结构化决策提示与记忆检索

Konosuke Yoshizato, Kazuma Shimizu, Ryota Higa, Takanobu Otsuka

机构 * National Institute of Advanced Industrial Science and Technology（国家先进工业科学与技术研究院） ； Nagoya Institute of Technology（名古屋技术大学） ； NEC Corporation（日本电讯公司） 纠错

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

AI总结 本文提出AIM-RM代理，通过相似性匹配提升基于LLM的多代理系统在供应链中的适应性和鲁棒性。

Comments A full version of the extended abstract accepted by the 25th International Conference on Autonomous Agents and Multiagent Systems(AAMAS 2026)

Light-Omni: Reflex over Reasoning in Agentic Video Understanding with Long-Term Memory

Light-Omni：基于长期记忆的智能视频理解中的反射优于推理

Chang Nie, Jiaju Wei, Junlan Feng, Chaoyou Fu, Caifeng Shan

机构 * Nanjing University（南京大学） 纠错

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

AI总结 研究针对智能视频理解中先进智能体依赖迭代推理成本高的问题，提出Light-Omni框架，通过双重上下文状态实现反射式轻量级视频理解，经实验验证其有效性，性能优于M3-Agent且能增强现有MLLMs。

Comments Project Page: https://clare-nie.github.io/Light-Omni

LiteResearcher: A Scalable Agentic RL Training Framework for Deep Research Agent

LiteResearcher：一种用于深度研究代理的可扩展代理强化学习训练框架

Bince Qu, Wanli Li, Bo Pan, Jianyu Zhang, Zheng Liu, Pan Zhang, Wei Chen, Bo Zhang

机构 * Zhejiang University（浙江大学） ； Simplex AI ； The Hong Kong Polytechnic University（香港理工大学） 纠错

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

AI总结 LiteResearcher通过构建轻量虚拟世界提升代理强化学习的可扩展性，使小规模搜索代理在GAIA和Xbench等基准上取得state-of-the-art结果。

Comments COLM 2026

LogicHunter: Testing LLM Agent Frameworks with an Agentic Oracle

LogicHunter：使用智能预言机测试大语言模型代理框架

Minghui Long, Yanjie Zhao, Haoyu Wang

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

AI总结 研究针对大语言模型代理框架测试不足问题，提出LogicHunter模糊测试框架。通过规范驱动生成有效极端输入，引入智能预言机解决预言机歧义。在三个框架上评估，发现众多未知错误，智能预言机精度高，远超基线方法。

VASP Agent: An Agentic Framework for Autonomous First-principles Calculations

VASP智能体：一种用于自主第一性原理计算的智能框架

Zeyu Xia, Jinzhe Ma, Congjie Zheng, Zhongyao Wang, Shufei Zhang, Yuqiang Li, Hang Su, P. Hu, Changshui Zhang, Xingao Gong, Wanli Ouyang, Lei Bai, Dongzhan Zhou, Mao Su

机构 * Shanghai Artificial Intelligence Laboratory（上海人工智能实验室） ； Department of Computer Science and Technology（计算机科学与技术系） ； School of Physical Science and Technology（物理科学与技术学院） ； Department of Automation（自动化系） ； Beijing National Research Center for Information Science and Technology (BNRist)（北京信息科学与技术国家研究中心） ； School of Chemistry and Chemical Engineering（化学与化工学院） ； Key Laboratory of Computational Physical Sciences (Ministry of Education)（计算物理科学重点实验室） ； The Chinese University of Hong Kong（香港中文大学） ； Shenzhen Institute of Advanced Technology, Chinese Academy of Sciences（中国科学院深圳先进技术研究所） 纠错

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

AI总结 研究针对第一性原理材料计算对自主性的高要求，提出VASP智能体系统，结合多种技能和工具执行多步VASP计算，经多任务评估，其计算结果更优，还能诊断并恢复计算错误。

E-mem: Multi-agent based Episodic Context Reconstruction for LLM Agent Memory

E-mem：基于多智能体的事件上下文重建用于LLM智能体记忆

Kaixiang Wang, Yidan Lin, Jiong Lou, Zhaojiacheng Zhou, Bunyod Suvonov, Jie Li

机构 * National University of Singapore（新加坡国立大学） ； Tsinghua University（清华大学） 纠错

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

AI总结 E-mem通过多智能体协同重建事件上下文，提升LLM在长时序任务中的推理能力，实现54%的F1分数，优于现有方法7.75%，并降低70%的token成本。

Comments This paper has been accepted by ICML 2026. If you find our project helpful, please consider giving it a star: https://github.com/dog-last/E-mem

Episodic Memory Temporal Consistency for Cooperative Multi-Agent Reinforcement Learning

面向合作多智能体强化学习的 episodic 记忆时间一致性

Zicheng Zhao, Yu Lan, Chengzhengxu Li, Zhaohan Zhang, Xiaoming Liu

机构 * Xi’an Jiaotong University（西安交通大学） ； Queen Mary University of London（伦敦玛丽女王大学） 纠错

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

AI总结 针对合作多智能体强化学习中的奖励稀疏和探索瓶颈，提出 Episodic Memory Temporal Consistency (EMTC) 框架，通过时间一致性语义嵌入器和门控机制，防止表示崩溃并过滤伪成功轨迹，理论保证误差界，在 SMAC 和 GRF 基准上显著优于现有方法。

Comments Under Review

Agent Operating Systems (AOS): Integrating Agentic Control Planes into, and Beyond, Traditional Operating Systems

代理操作系统 (AOS)：将代理控制平面集成到传统操作系统及其之外

Ankur Sharma, Deep Shah

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)；agentic(title,abstract)；分类 cs.AI

AI总结 本文提出代理操作系统（AOS）架构，通过集成代理控制平面到现有操作系统或逐步接管部分OS职责，以解决传统OS在调度、内存管理、安全、可观测性和治理方面对长期目标导向的代理AI工作负载的局限性。

Is Agent Memory a Database? Rethinking Data Foundations for Long-Term AI Agent Memory

智能体记忆是数据库吗？重新思考长期AI智能体记忆的数据基础

Abdelghny Orogat, Essam Mansour

机构 * Concordia University（康科迪亚大学） 纠错

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

AI总结 本文提出将长期AI智能体记忆视为一种新的数据管理工作负载，通过形式化治理演化记忆（GEM）框架，用四个状态级操作替代记录级操作，并论证记录级系统无法满足其正确性条件，最后通过原型MemState验证可行性并指出未来研究方向。

Who Owns This Agent? Tracing AI Agents Back to Their Owners

谁拥有这个智能体？追溯AI智能体回其所有者

Ruben Chocron, Doron Jonathan Ben Chayim, Eyal Lenga, Gilad Gressel, Alina Oprea, Yisroel Mirsky

机构 * Ben-Gurion University of the Negev Beer-Sheva Israel ； Center for Cybersecurity Systems \& Networks, Amrita Vishwa Vidyapeetham Amritapuri India ； Northeastern University Boston Massachusetts USA ； Ben-Gurion University of the Negev ； Center for Cybersecurity Systems \& Networks, Amrita Vishwa Vidyapeetham ； Northeastern University 纠错

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

AI总结 本文提出了一种基于canary的智能体归属追踪方法，解决无法追溯恶意或误配置智能体所有者的问题，展示了其在实际场景中的可靠性与鲁棒性。

Comments Under Review

Towards Security-Auditable LLM Agents: A Unified Graph Representation

迈向安全可审计的LLM代理：一种统一的图表示

Chaofan Li, Lyuye Zhang, Jintao Zhai, Siyue Feng, Xichun Yang, Huahao Wang, Shihan Dou, Yu Ji, Yutao Hu, Yueming Wu, Yang Liu, Deqing Zou

机构 * Huazhong University of Science and Technology（华中科技大学） ； Nanyang Technological University（南洋理工大学） ； Fudan University（复旦大学） ； Chongqing University of Posts and Telecommunications（重庆邮电大学） ； Donghua University（东华大学） 纠错

专题命中 记忆与上下文管理 ：agent(summary_cn,abstract)；agentic(abstract,abstract_cn)；multi-agent(abstract)；分类 cs.AI

AI总结 本文提出Agent-BOM统一图表示，用于解决LLM代理系统中执行意图与物理事件间的语义鸿沟问题，通过构建分层属性有向图实现安全审计与风险评估。

A Multi-Agent Framework for Automated Exploit Generation with Constraint-Guided Comprehension and Reflection

面向自动漏洞生成的多智能体框架：基于约束引导的推理与反思

Siyi Chen, Tianhan Luo, Shijian Wu, Xiangyu Liu, Yilin Zhou, Qi Li, Wenyuan Xu

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

AI总结 本文提出Vulnsage多智能体框架，通过分解复杂漏洞生成过程为多个专业化子智能体，结合LLM生成候选漏洞利用代码，并通过反馈驱动的自完善循环提升漏洞生成效率与准确性，实验证明其在生成漏洞利用代码和发现零日漏洞方面优于现有工具。

Journal ref 34th IEEE/ACM International Conference on Program Comprehension (ICPC '26), April 12--13, 2026, Rio de Janeiro, Brazil

Offline-to-Online Multi-Agent Reinforcement Learning with Offline Value Function Memory and Sequential Exploration

离线到在线多智能体强化学习：结合离线价值函数记忆与序列探索

Hai Zhong, Xun Wang, Zhuoran Li, Longbo Huang

机构 * IIIS, Tsinghua University（清华大学人工智能研究院） 纠错

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

AI总结 OVMSE通过离线价值函数记忆和序列探索策略，在多智能体强化学习中提升样本效率和性能。

Comments Include detailed hyperparameter configurations

Coarse-to-Fine Grounded Memory for LLM Agent Planning

粗到细的 grounded memory 用于 LLM agent 计划

Wei Yang, Jinwei Xiao, Hongming Zhang, Qingyang Zhang, Yanna Wang, Bo Xu

机构 * National Key Laboratory of Cognition and Decision Intelligence for Complex Systems, Institution of Automation, Chinese Academy of Sciences（认知与决策智能复杂系统国家重点实验室，自动化研究所，中国科学院） 纠错

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

AI总结 本文提出 Coarse-to-Fine Grounded Memory，通过 LLM 实现粗到细的记忆 grounding，以提升代理在复杂规划任务中的灵活性和适应性。

Comments Accepted to EMNLP 2025 Main Conference;27 pages,15 figures

BMAM: Brain-inspired Multi-Agent Memory Framework

基于大脑的多智能体记忆框架 BMAM

Yang Li, Jiaxiang Liu, Yusong Wang, Yujie Wu, Mingkun Xu

机构 * Guangdong Institute of Intelligence Science and Technology（广东智能科学与技术研究院） ； Institute of Science Tokyo（东京科学研究所） ； The Hong Kong Polytechnic University（香港理工大学） 纠错

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

AI总结 BMAM 提出了一种基于大脑认知机制的多智能体记忆框架，通过分解记忆为事件型、语义型等子系统，提升长时间交互中的信息保持和行为一致性，实验显示其在 LoCoMo 基准上达到 78.45% 的准确率。

Comments Submitted to ACL (ARR 2026 January submission); non-anonymous preprint

Scalable, Symbiotic, AI and Non-AI Agent Based Parallel Discrete Event Simulations

Atanu Barai, Stephan Eidenbenz, Nandakishore Santhi

机构 * Los Alamos National Laboratory（洛斯阿拉莫斯国家实验室） 纠错

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

Efficient Episodic Memory Utilization of Cooperative Multi-Agent Reinforcement Learning

Hyungho Na, Yunkyeong Seo, Il-chul Moon

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

Comments Accepted at ICLR 2024

Preference-conditioned Pixel-based AI Agent For Game Testing

Sherif Abdelfattah, Adrian Brown, Pushi Zhang

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

Comments Accepted at the IEEE Conference on Games (CoG) 2023, Boston, MA, USA

The Influence of Memory in Multi-Agent Consensus

David Kohan Marzagão, Luciana Basualdo Bonatto, Tiago Madeira, Marcelo Matheus Gauy, Peter McBurney

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

Comments Accepted at AAAI 2021