AI Agent

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。

From Cognitive Architectures to Language Agents: A Mechanism-Level Review of Lineage, Convergence, and Migration Gaps

从认知架构到语言智能体：谱系、融合与迁移差距的机制层面综述

Haodi Fan, Zucong Lan

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

AI总结 该综述连接多个认知架构与语言智能体系统，重构机制并编码相关关系，指出现代智能体部分功能已实现，最强机会在机制耦合，存在五个剩余组合，贡献了机制目录、证据深度框架及可证伪议程。

Comments 28 pages, 9 figures, 14 tables. Review article

When Agents Remember Too Much: Memory Poisoning Attacks on Large Language Model Agents

当智能体记忆过多时：对大语言模型智能体的内存中毒攻击

George Torres, Sharad Shrestha, Satyajayant Misra

机构 * George Torres3（乔治·托雷斯（第三作者）） ； Sharad Shrestha1（沙拉德·什雷斯塔（第一作者）） ； Satyajayant Misra4（萨蒂亚扬特·米什拉（第四作者）） 纠错

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

AI总结 研究大语言模型驱动的个人智能体因缺乏内存安全治理存在安全漏洞，提出攻击向量GhostWriter，实现近98%注入率和约60%激活率，还提出AM-Sentry缓解技术，显著降低GhostWriter成功率并保持智能体效用。

TraceCAD: Trace-Guided Repair for Agentic CAD Generation

TraceCAD：面向智能体CAD生成的轨迹引导修复

Fengxiao Fan, Jingzhe Ni, Fan Sang, Xiaolong Yin, Yu Liu, Ruofeng Tong, Min Tang, Peng Du

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

AI总结 TraceCAD是一种用于智能体CAD生成的轨迹引导修复方法，通过引入持久状态等机制提升了CAD生成的几何质量与修复可靠性，在DeepCAD基准测试中取得了良好效果。

Comments 18 pages, 7 figures; includes supplementary material

AgentMemBench: A Systematic Benchmark for Evaluating Long-Term Memory Management Strategies in Conversational AI Agents

AgentMemBench：用于评估对话AI智能体长期记忆管理策略的系统基准

Ahmed Cherif

机构 * Sofrecom（索弗雷科姆） 纠错

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

AI总结 该研究构建了AgentMemBench基准，评估五种记忆策略及两款现有系统，发现外部键值存储（EKV）在长程对话记忆任务中表现最优，但存在内存占用成本，同时公开了全部可复现资源。

Comments 22 pages, 3 figures submitted on Neural Computing and Applications

SciToolAgent-Evo: An Ontology-Aware Self-Evolving Agent for Open-World Scientific Tool Acquisition

SciToolAgent-Evo：一种面向开放世界科学工具获取的本体感知自进化智能体

Yuqi Tang, Chenyi Zhou, Libin Wang, Keyan Ding, Qiang Zhang, Huajun Chen

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

AI总结 针对LLM智能体依赖静态工具空间难以适配开放世界科学工作流的问题，提出SciToolAgent-Evo本体感知自进化智能体，结合进化记忆与本体化工具图，利用LinUCB平衡探索利用，推出OpenSciToolBench基准并取得最优性能。

Comments 19 pages, 4 figures, under review

Voice Memory for Agentic Speech Recognition

面向智能体语音识别的语音记忆

Chao-Han Huck Yang, Zih-Ching Chen, Piotr Zelasko, Zhehuai Chen, Jagadeesh Balam, Boris Ginsburg

机构 * NVIDIA（英伟达） 纠错

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

AI总结 该研究提出仅推理方案Voice Memory，通过听者-思考者架构克制过度校正，在10个HyPoradise域上将加权词错误率降至7.52%，可跨校正器迁移且不增加推理参数。

Comments Preprint. Technical report and open source: https://huggingface.co/huckiyang/voice-memory

Supra Cognitive Modes: A Routed Architecture for Agent Memory

超认知模式：一种用于智能体记忆的路由架构

Joshua Tobkin, David Yang

机构 * Supra Research（超研） 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 研究智能体记忆工作负载，提出超认知模式（SCM）架构，通过共享摄取底层及相关机制处理查询，在三个基准上进行表征，给出参考运行成绩等，展示了一种路由配置及故障模式，验证了相关设计。

State Compression in Two-Agent LLM Relays: A Closed-World Study of Constraint Preservation

双智能体语言模型中继中的状态压缩：约束保留的封闭世界研究

Anantha Sharma, Sheeba Elizabeth John, Kaarthik Senthil Kumar, Saratsuhas Vijayababu

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

AI总结 研究双智能体LLM中继中交接压缩问题，比较无压缩、叙述性总结、JSON提取、基于嵌入的修剪四种交接条件，发现交接表示影响下游可行性，JSON提取可行性准确率最高达0.96，结构化可审计表示利于约束检查。

Comments 8 pages, 2 figures, 3 tables

Why Git Is the Memory Solution for the Agentic Development Lifecycle

为什么Git是智能开发生命周期的记忆解决方案

Frank Guo

机构 * MIT（麻省理工学院） 纠错

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

AI总结 研究智能开发生命周期中代码变更推理过程的记忆问题，提出将记忆与Git绑定的方法，通过解决种子供应和答案组装问题，实现低令牌数回答且结果可复制。

Comments 8 pages

Remember When It Matters: Proactive Memory Agent for Long-Horizon Agents

记住重要时刻：用于长期任务智能体的主动记忆智能体

Yifan Wu, Lizhu Zhang, Yuhang Zhou, Mingyi Wang, Bo Peng, Serena Li, Xiangjun Fan, Zhuokai Zhao

机构 * Meta AI 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 研究长期任务中智能体决策时行为状态衰减问题，提出用主动记忆智能体并行干预，更新记忆库并决定是否提醒。该方法在多个基准测试中提升了智能体性能，消融实验证明其优势，还训练模型实现部分迁移。

STAGformer: A Spatio-temporal Agent Graph Transformer for Micro Mobility Demand Forecasting

STAGformer：用于微移动需求预测的时空代理图变换器

Ye Zihao

机构 * City University of Hong Kong（香港城市大学） 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 针对共享单车系统站点级需求预测难题，提出STAGformer模型，通过两步代理注意力机制及四个核心模块，以线性复杂度实现高效全局建模，实验表明其在多预测范围优于基线，消融研究验证各组件贡献。

MIRROR: Novelty-Constrained Memory-Guided MCTS Red-Teaming for Agentic RAG

MIRROR: 基于新颖性约束的记忆引导MCTS红队测试用于智能体RAG

Inderjeet Singh, Andrés Murillo, Motoyoshi Sekiya, Yuki Unno, Junichi Suga

机构 * Fujitsu Research of Europe, United Kingdom（欧洲富士通研究机构，英国） ； Fujitsu Limited, Japan（日本富士通有限公司） 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MIRROR框架，通过记忆引导蒙特卡洛树搜索和显式新颖性约束，在多模态智能体RAG系统的四个攻击面上实现高攻击成功率，并降低跨表面方差。

Comments 6 pages, 2 figures. Accepted at the 2026 International Joint Conference on Neural Networks (IJCNN 2026), IEEE WCCI 2026; presented as an oral talk. Code and ART-SafeBench benchmark: https://github.com/FujitsuResearch/mirror

Benchmarking Agentic Review Systems

基准测试智能审稿系统

Dang Nguyen, Wanqing Hao, Yanai Elazar, Chenhao Tan

机构 * University of Chicago（芝加哥大学） ； Bar-Ilan University（巴伊兰大学） 纠错

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

AI总结 针对AI辅助研究给同行评审带来的压力，新兴智能审稿系统涌现，但缺乏评估标准。本文评估了多种系统，发现最佳配置（OpenAIReview + GPT-5.5）在成对准确性上达83.0%，能捕获71.6%注入错误，且用户反馈正面。

Comments 11 pages, 7 tables, 4 figures

Control-Plane Placement Shapes Forgetting: An Architectural Study of Agent Memory Across Thirteen System Configurations

控制平面放置塑造遗忘：跨十三种系统配置的智能体记忆架构研究

Dongxu Yang

机构 * DeepLethe 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 研究LLM在智能体记忆管道中的位置（控制平面 vs 召回平面）对遗忘失败模式的影响，通过13种配置在385例对抗测试集上的实验，揭示了三种放置机制的互补覆盖范围，并提出了ForgetEval评估套件。

Comments 25 pages including appendices. Code, benchmark, and adapters released under MIT at https://github.com/deeplethe/lethe

Closing the Reflection Gap: A Free Calibration Bonus for Agentic RL

缩小反思差距：面向智能体强化学习的免费校准奖励

Yinglun Zhu

机构 * University of California, Riverside（加州大学河滨分校） 纠错

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

AI总结 针对LLM智能体在环境反馈后自我评估不准确的问题，提出RefGRPO方法，通过对比反思与实际结果计算免费校准奖励并动态调整系数，同时提升反思校准和任务准确率。

SMSR: Certified Defence Against Runtime Memory Poisoning in Persistent LLM Agent Systems

SMSR：针对持久化LLM代理系统中运行时内存投毒的认证防御

Tarun Sharma

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、cs.LG

AI总结 提出SMSR防御框架，通过写入时HMAC签名和查询时随机化内存消融与基于判决的多数投票，首次为多会话内存投毒攻击提供认证鲁棒性保证。

Are We Ready For An Agent-Native Memory System?

我们准备好构建原生智能体记忆系统了吗？

Wei Zhou, Xuanhe Zhou, Shaokun Han, Hongming Xu, Guoliang Li, Zhiyu Li, Feiyu Xiong, Fan Wu

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） 纠错

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

Less Context, More Accuracy: A Bi-Temporal Memory Engine for LLM Agents Where a Lean Retrieved Context Beats the Full History

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

Liuyin Wang

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_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

AdsWorldEngine: A Self-Evolving Conversational Advertising Agent through Orchestrator and Tool Coevolution

AdsWorldEngine：一种通过协调器与工具协同演化实现的自演进对话式广告智能体

Simiao Zuo, Chenhui Xu, Yimeng Jia, Qiang Lou, Jian Jiao, Denis Charles

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

AI总结 该研究提出AdsWorldEngine对话式广告框架，通过协调器与工具协同演化的自改进循环，结合机会门、评估器及基于标签的判断建模，在离线与在线实验中均显著提升广告性能。

PIPES: Securing Agent Perception with Provenance and Priors

PIPES：基于来源与先验的智能体感知安全防护方案

Sanjay Kariyappa, Severin Klingler, G. Edward Suh

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

AI总结 该研究针对工具使用智能体感知易受状态篡改攻击的问题，提出PIPES防护方案，通过语义先验与来源筛选，大幅降低攻击成功率且保留良性效用。

Correct Is Not Governed: Provenance Integrity in Agentic Workflows

正确性不受管控：智能体工作流的来源完整性

Jesus Salas

机构 * Microsoft（微软公司） 纠错

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

AI总结 本文针对智能体工作流的来源完整性问题，提出确定性因果状态层Matrix作为机构完整性层，可记录依赖、验证证据，使工作可审计，且能限制恢复范围。

Comments 19 pages, 2 figures

FluctlightDB: A Memory Model of Data for AI Agents

FluctlightDB：面向AI智能体的数据内存模型

Ganesh S

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

AI总结 本文提出面向AI智能体的独立数据内存模型，实现嵌入式引擎FluctlightDB，在多个记忆召回基准上取得优异结果，填补了数据栈的一层空白。

Comments 16 pages, 6 tables, 4 figures, appendix. Code and frozen benchmark artifacts: https://github.com/voxmastery/FluctlightDB. Preprint DOI: 10.5281/zenodo.20949890

Towards a Formal Definition of Agent Memory: Basis, Span, Optimality, and the Sequential Memory Problem

迈向智能体记忆的形式化定义：基础、跨度、最优性与序列记忆问题

Hongyao Tang

机构 * Tianjin University（天津大学） 纠错

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

AI总结 本文提出智能体记忆的形式化定义，定义最优记忆为容量受限的期望覆盖最大化器，实例化于《奥德赛》并将现有系统纳入框架，使记忆质量可度量。

The Signal Rail: A Deterministic Motion Grammar for Communicating Conversational Agent State in Terminal Interfaces

信号轨：终端界面中用于传递对话智能体状态的确定性运动语法

Matteo Grella

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

AI总结 Signal Rail为终端界面对话智能体设计确定性运动语法，通过空间语义等理念实现状态传递，完成规范与参考实现，提升非文本状态通道的信息表达能力。

Comments 16 pages, 3 figures. Ancillary files include the Signal Rail 1.0 specification, JavaScript and Python engines, and the cross-implementation conformance harness. Code: https://github.com/matteo-grella/signal-rail

TideRL: Boosting Agentic RL Goodput with Readiness-Aware Scheduling

TideRL：通过就绪感知调度提升智能体强化学习的有效吞吐量

Yanyu Ren, Xizheng Wang, Xiao Liu, Bowen Lv, Hanchen Zhang, Shudan Zhang, Hanyu Lai, Shuai Wang, Li Chen, Dan Li, Jie Tang

机构 * Tsinghua University（清华大学） ； Zhongguancun Laboratory（中关村实验室） 纠错

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

AI总结 TideRL是一种就绪感知弹性RL系统，通过CTB、RA²P和ERS技术，在多轮智能体工作负载上大幅提升RL训练有效吞吐量，同时优化KV缓存命中率、训练时间和等待时间。

Agentic Router: An Execution-Grounded Continual Learning Approach With Memory

智能体路由器：一种基于执行的带记忆的持续学习方法

Yuxuan Chen, Rongpeng Li, Zhifeng Zhao, Yuntao Liu, Xing Xu, Honggang Zhang

机构 * Zhejiang University（浙江大学） ； Zhejiang Lab（之江实验室） ； State Grid Hebei Electric Power Co., Ltd.（国网河北省电力有限公司） ； Macau University of Science and Technology（澳门科技大学） 纠错

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

AI总结 该研究针对CLI-based SONiC操作，提出基于执行的双路径后果感知智能体，通过生成动作、预测后果、重排序选择，提升可行动作覆盖度与执行成功率，两条路径互补增益。

REVEAL: A Rubric-Guided Agent for Explicit Evidence Sufficiency Verificationin Long-Video Question Answering

REVEAL：用于长视频问答的基于 rubric（评分标准）的显式证据充分性验证智能体

Caijun Yan, Yang Zhou, Meixing Shi, Haoran Sun, Yichen Li, Yuxiang Cai, Yankai Jiang

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

AI总结 该研究针对长视频问答中现有方法割裂事件、忽略证据充分性的问题，提出REVEAL框架，通过自适应分块的结构化记忆与rubric引导的证据验证，实现更可靠的推理且性能优于现有SOTA方法。

Compositional Threat Analysis of Latent Compromise in LLM Agent Systems: The Order 66 Scenario

LLM智能体系统中潜在入侵的组合式威胁分析：66号指令场景

Satoshi Matsuoka

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

AI总结 本文以66号指令为场景，提出组合模型分析LLM智能体系统的潜在入侵威胁，分离三类传播路径，指出现有防御无法封闭所有路径，最强防御为能力调解等四项措施，暂未发现完整场景的公开观测。

Comments Version 11.3, 33 pages

QuanTiMedAI: Quantum-Enhanced Time-Series Model guided by Agentic AI for Cardiac Arrest Mortality Prediction

QuanTiMedAI：由智能体人工智能引导的量子增强时间序列模型用于心脏骤停死亡率预测

Mutasim Fuad Sarker, Adiba Rahman Namira, Wafa Binte Alam, Md Adnan Arefeen, Mahzabeen Emu, Sumaiya Tabassum Nimi

机构 * North South University（北南大学） ； Memorial University（纪念大学） 纠错

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

AI总结 该研究针对心脏骤停死亡率预测的静态数据局限，提出QuanTiMedAI量子-智能体框架，结合智能体LLM与量子循环网络，在MIMIC-IV数据集上仅用605个参数实现0.852的AUROC，优于现有最先进基线。

Comments Submitted for review