AI Agent

$How^{2}$: How to learn from procedural How-to questions

$How^{2}$: 如何从过程性如何问题中学习

Gautier Dagan, Frank Keller, Alex Lascarides

机构 * University of Edinburgh（爱丁堡大学） 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、cs.CL

AI总结 本文提出$How^{2}$框架，使智能体能提问、存储并复用如何问题答案，提升长期学习能力。在Plancraft环境中，抽象化答案对任务完成更有效。

R-Debater: Retrieval-Augmented Debate Generation through Argumentative Memory

R-Debater：通过论证记忆的检索增强辩论生成

Maoyuan Li, Zhongsheng Wang, Haoyuan Li, Jiamou Liu

机构 * Wuhan College of Communication（武汉通信学院） ； Wuhan College of Communication University of Auckland（武汉通信学院奥克兰大学） ； University of Auckland（奥克兰大学） 纠错

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

AI总结 R-Debater通过整合检索和结构化规划，实现了更忠实、一致且连贯的多轮辩论生成。

Comments Accepteed by AAMAS 2026 full paper

CodeMem: Architecting Reproducible Agents via Dynamic MCP and Procedural Memory

CodeMem: 通过动态MCP和程序记忆构建可重复的智能体

Nishant Gaurav, Adit Akarsh, Tejas Ravishankar, Manoj Bajaj

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

AI总结 CodeMem通过动态MCP和程序记忆架构，解决智能体在重复任务中的概率不稳定性问题，实现可靠的工作流构建与运行。

Comments 11 pages, 2 figures

Memory Management and Contextual Consistency for Long-Running Low-Code Agents

Jiexi Xu

机构 * University of California, Irvine School of Information & Computer Science（加州大学尔湾分校信息与计算机科学学院） 纠错

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

Comments 12 pages, 5 figures, 1 table

Task Memory Engine: Spatial Memory for Robust Multi-Step LLM Agents

Ye Ye

机构 * New York University（纽约大学） 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.CL

Comments Under review. 9 pages main content, 15 pages appendix, 5 figures

Long Term Memory: The Foundation of AI Self-Evolution

Xun Jiang, Feng Li, Han Zhao, Jiahao Qiu, Jiaying Wang, Jun Shao, Shihao Xu, Shu Zhang, Weiling Chen, Xavier Tang, Yize Chen, Mengyue Wu, Weizhi Ma, Mengdi Wang, Tianqiao Chen

机构 * Tianqiao and Chrissy Chen Institute（田桥和克里斯西·陈研究所） ； Princeton University（普林斯顿大学） ； Institute for AI Industry Research, Tsinghua University（清华大学人工智能产业研究院） ； Shanghai Jiao Tong University（上海交通大学） ； Shanda Group（尚世集团） 纠错

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

Comments 56 pages, 13 figures

Geo-OLM: Enabling Sustainable Earth Observation Studies with Cost-Efficient Open Language Models & State-Driven Workflows

Dimitrios Stamoulis, Diana Marculescu

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

UrbanWorld2.0: A Multimodal Agentic Framework for Reality-Aligned 3D World Generation at City-Scale

RAISECity: 一种用于城市级现实对齐3D世界生成的多模态代理框架

Shengyuan Wang, Zhiheng Zheng, Yu Shang, Lixuan He, Yangcheng Yu, Fan Hangyu, Jie Feng, Qingmin Liao, Yong Li

机构 * College of AI, Tsinghua University（人工智能学院，清华大学） ； Shenzhen International Graduate School, Tsinghua University（深圳国际研究生院，清华大学） ； Department of Electronic Engineering, BNRist, Tsinghua University（电子工程系，北京研究院，清华大学） 纠错

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

AI总结 RAISECity通过多模态代理框架实现城市级3D世界生成，提升现实对齐、精度和性能，适用于沉浸媒体和具身智能应用。

Comments Accepted by ACM MM 2026, the code is available at: https://github.com/tsinghua-fib-lab/UrbanWorld2.0

Time-ordered free energy in correlated quantum systems: An agentic approach

关联量子系统中的时序自由能：一种智能体方法

Ruo Cheng Huang, Isha Singh Le Xue, Yuxuan Qu, Paul M. Riechers, Varun Narasimhachar, Mile Gu

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

AI总结 本文针对关联量子系统，提出一种基于动态规划和计算力学的智能体方法，定义时序自由能（TOFE）为该系统中智能体可提取的最大功，其策略识别时间复杂度随序列长度线性缩放。

Mobility, Memory, and Network Structure in Agent-Based Models of Convention Tipping and Convergence

基于智能体的惯例颠覆与收敛模型中的流动性、记忆与网络结构

Joe Shymanski, Garrick Springer, Sandip Sen

专题命中 记忆与上下文管理 ：agent(title,abstract)

AI总结 该研究构建智能体基模型，探究流动性、记忆、网络拓扑对惯例颠覆阈值的影响，发现多数配置下颠覆必然发生，还建立预测模型估计收敛时间，拓展了经典颠覆点研究。

Comments Under review at the Journal of Artificial Societies and Social Simulation (JASSS)

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

Agent-Alternation-Free Epistemic Metric Temporal Logic with Past: Model Checking and Complexity

带过去时态的无主体交替认知度量时态逻辑：模型检查与复杂性

Benedikt Bollig, Matthias Függer, Thomas Nowak, Paul Zeinaty

专题命中 记忆与上下文管理 ：agent(title,abstract)

AI总结 研究带过去时态的无主体交替认知度量时态逻辑的模型检查，通过结合时态测试自动机与完美回忆观察者进行分析，证明其模型检查为EXPSPACE完全，给出了该逻辑在特定条件下的复杂性结论。

Comments 31 pages

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。

Verification-Gated Agentic Mission-State Governance for Intelligent Industrial Multi-Robot Systems

验证门控的智能工业多机器人系统任务状态治理

Guoqin Tang, Qingxuan Jia, Yichen Tan, Zeyuan Huang, Ning Ji, Gang Chen

机构 * Beijing University of Posts and Telecommunications（北京邮电大学） 纠错

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

AI总结 提出验证门控任务状态治理框架，通过同步任务森林与黑板状态，经确定性验证后原子提交，减少无效提交和冲突，提升工业多机器人系统安全与效率。

KernelFlume: Elastic Core-Attention Scaling for Agentic Long-Context Decoding

KernelFlume: 面向智能体长上下文解码的弹性核心注意力扩展

Guangyu Xiang, Xueze Kang, Lin Zhang, Wenxiang Lin, Shaohuai Shi, Yuxin Wang, Xiaowen Chu

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

AI总结 针对智能体长上下文解码中突发性长上下文需求超出部署容量的问题，提出KernelFlume架构，通过解耦投影/FFN路径与核心注意力计算，实现无权重注意力节点的弹性扩展，在降低延迟的同时显著降低输出成本。

Macro--Micro Decision-Making in 6G Networks: An Agent-Based Framework for the Resource-Fungibility Landscape Resource-Fungibility Landscape

6G网络中的宏观-微观决策：基于智能体的资源可替代性景观框架

Sayanti Ghosh, Indrakshi Dey, Nicola Marchetti

专题命中 记忆与上下文管理 ：agent(title,abstract)

AI总结 针对6G网络中资源可替代性受宏观与微观决策耦合影响的问题，提出基于智能体建模的框架，通过三个宏观选择、三个微观超参数和三个结构指标分离决策尺度，并推导出六个关键定理。

Comments 5 pages, 4 figures, submitted to IEEE Networking Letters

Pingquanqi (Equalizer): A Cross-Domain Sociotechnical Framework for Human-Agent Interaction Governance

Pingquanqi（均衡器）：人机交互治理的跨领域社会技术框架

Yu Wang

专题命中 记忆与上下文管理 ：agent(title,abstract)

AI总结 提出Pingquanqi框架，通过用户状态区分、贝叶斯止损、可控摩擦和透明度度量等组件，优化LLM代理交互成本，保护用户时间资源，兼顾企业经济效益。

Comments 31 pages

Securing LLM-Agent Long-Term Memory Against Poisoning: Non-Malleable, Origin-Bound Authority with Machine-Checked Guarantees

保护LLM智能体长期记忆免受投毒：具有机器验证保证的不可延展、源绑定权限

Yedidel Louck

专题命中 记忆与上下文管理 ：agent(title,abstract)

AI总结 针对LLM智能体长期记忆投毒攻击，提出不可延展信息流控制（IFC）方案TMA-NM，通过源绑定和防Sybil确认门控实现0%攻击成功率。

Comments Index Terms: LLM agents, long-term memory, memory poisoning, information-flow control, capability security, prompt injection, formal verification, benchmark

Wireless Personal Agent: Extending Wireless Intelligence from Networks to Terminals

无线个人代理：将无线智能从网络扩展到终端

Jiedan Tan, Fang Liu, Jingwen Tong, Shengli Zhang, Jun Zhang, Wing Shing Wong

专题命中 记忆与上下文管理 ：agent(title,abstract)

AI总结 提出WISPA框架，利用基于大语言模型的智能体实现终端侧资源自动化管理，通过解耦在线执行与离线反思克服终端资源限制，在校园通勤场景中验证了其学习用户偏好并自适应接入决策的能力。

Comments 7 pages, 5 figures, submit to a possible journal for publication

Belief at Risk: Quantifying Agentic AI Model Risk with LLM-Inferred Bayesian State Filters

风险中的信念：利用LLM推断的贝叶斯状态滤波器量化智能体AI模型风险

Matthew Francis Dixon

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

AI总结 提出将智能体AI系统建模为部分可观测马尔可夫决策过程，利用LLM作为语义观测模型，结合贝叶斯滤波器量化不确定性，并计算风险度量，为金融等受监管环境中的智能体AI验证提供严格基础。

Comments 15 pages, 3 figures

MemRefine: LLM-Guided Compression for Long-Term Agent Memory

MemRefine: 基于LLM引导的压缩用于长期智能体记忆

Minjae Kim, Jinheon Baek, Soyeong Jeong, Sung Ju Hwang

机构 * Korea University（韩国大学） ； KAIST（韩国科学技术院） 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MemRefine框架，利用LLM判断事实内容，通过删除、合并和保留操作将记忆库压缩到固定预算内，在多个基准上保持下游性能并优于基于规则的基线。

Vision-Language-Action Models Meet World Models: Embodied Agentic AI for Low-Altitude Wireless Networks

视觉-语言-动作模型遇见世界模型：面向低空无线网络的具身智能体AI

Feibo Jiang, Li Dong, Lei Mao, Kezhi Wang, Cunhua Pan, Dong In Kim, Naofal Al-Dhahir

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

AI总结 提出具身智能体无人机框架，以VLA模型为核心实现端到端决策，引入世界模型建模环境动态，通过记忆与反射机制形成闭环优化，实现低空无线网络的鲁棒自主控制。

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

Phase Balancing of Two and Three-Agent Heterogeneous Gain Systems With Extensions to Multiple Agents

两和三代理异构增益系统的相平衡及多代理扩展

Anoop Jain, Debasish Ghose

专题命中 记忆与上下文管理 ：agent(title,abstract)

AI总结 本文研究了两和三代理异构控制器增益耦合系统的相平衡问题，通过异构增益控制平衡形成中代理速度方向，并分析其可达集影响。

Comments arXiv admin note: text overlap with arXiv:1512.07362

Artificial Wrestling: A Dynamical Formulation of Autonomous Agents Fighting in a Coupled Inverted Pendula Framework

人工摔跤：一种自主代理在耦合倒立摆框架中的动态建模

Katsutoshi Yoshida, Shigeki Matsumoto, Yoichi Matsue

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

AI总结 本文提出基于耦合倒立摆框架的自主代理对抗模型，通过动态控制器存储状态对应关系并生成控制力，实验表明延迟元素和量化分辨率影响性能。

Comments The 12th International Conference on Motion and Vibration Control (MOVIC 2014), August 3-7, 2014, Sapporo, Japan. This article was selected as an article of Mechanical Engineering Journal after minor revisions; the final version is available at http://dx.doi.org/10.1299/mej.14-00518

MemMark: State-Evolution Attribution Watermarking for Agent Long-Term Memory Systems

MemMark: 面向智能体长期记忆系统的状态演化归属水印

Haobo Zhang, Xutao Mao, Guangyuan Dong, Ziwei Li, Xuanbo Su, Kaijie Chen, Jing Yang, Zheng Lin

专题命中 记忆与上下文管理 ：agent(title,abstract)

AI总结 提出MemMark水印方法，通过嵌入所有者控制的信号到潜在记忆写入决策中，实现无需日志、可见输出或可信元数据的快照归属，并在多个基准上保持记忆效用。

Continuous-Time Heterogeneous Agent Models with Recursive Utility and Preference for Late Resolution

具有递归效用和偏好晚期分辨率的连续时间异质性主体模型

Yves Achdou, Qing Tang

专题命中 记忆与上下文管理 ：agent(title,abstract)

AI总结 本文研究连续时间异质性主体模型，其中主体具有递归效用（Epstein-Zin效用）并偏好晚期不确定性分辨率，通过平均场博弈框架将模型转化为耦合状态约束的Hamilton-Jacobi-Bellman方程和Fokker-Planck-Kolmogorov方程系统，探讨解的存在性及模型的关键定性特征。

MAIL++: Multi-Modal Bi-directional Agent Layer for Vision-Language Models

MAIL++: 视觉语言模型的多模态双向智能体层

Kaixiang Chen, Pengfei Fang, Hui Xue

机构 * School of Computer Science and Engineering, Southeast University（东南大学计算机科学与工程学院） ； Key Laboratory of New Generation Artificial Intelligence Technology and Its Interdisciplinary Applications (Southeast University), Ministry of Education, China（新一代人工智能技术及其交叉应用国家重点实验室（东南大学），中华人民共和国教育部，中国） 纠错

专题命中 记忆与上下文管理 ：agent(title,abstract)

AI总结 提出MAIL/MAIL++方法，通过将跨模态耦合嵌入VLM内在计算模块并引入双向桥接，实现参数高效微调，在少样本分类和跨域检索中超越现有方法。

Generation Navigator: A State-Aware Agentic Framework for Image Generation

生成导航器：一种基于状态的图像生成代理框架

Jinming Liu, Ruoyu Feng, Yuqi Wang, Wenjun Zeng, Xin Jin

机构 * Shanghai Jiao Tong University（上海交通大学） ； Eastern Institute of Technology（东部技术研究所） ； Independent（独立） 纠错

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

AI总结 本文提出了一种基于状态的图像生成代理框架Generation Navigator，通过将图像生成问题重新表述为状态条件下的动作生成问题，解决了传统方法中在强化学习训练中因信用分配问题导致的不足，通过PRE-GRPO算法提升了生成质量与推理准确性。

Principal-agent problems with adverse selection: A stochastic target problem formulation

有 adverse selection 的委托-代理问题：一个随机目标问题的 formulation

Guillermo Alonso Alvarez, Ibrahim Ekren, Liwei Huang

专题命中 记忆与上下文管理 ：agent(title,abstract)

AI总结 本文研究了存在逆向选择的委托-代理问题，通过将代理的优化问题转化为随机目标问题，解决了委托人在信息不完全情况下的最优合同设计问题。