AI Agent

Cooperative Pathfinding based on memory-efficient Multi-agent RRT*

Jinmingwu Jiang, Kaigui Wu

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

Comments IROS 2020, October 25-29, Las Vegas, NV, USA

Shared Selective Persistent Memory for Agentic LLM Systems

用于智能语言模型系统的共享选择性持久内存

Sanjana Pedada, Aditya Dhavala, Neelraj Patil

机构 * Apple Inc.（苹果公司） 纠错

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

AI总结 智能语言模型系统面临上下文问题，本文提出共享选择性持久内存架构，识别保留四类可重用上下文，丢弃特定会话推理痕迹，实现共享协作重用。在企业场景和公共数据集实验中验证其有效性，提高任务完成率，降低成本，优于全历史持久化等极端方式。

Comments 11 pages, 2 figures, 4 tables

More Is Not Always Better: Cross-Component Interference in LLM Agent Scaffolding

更多并不总是更好：LLM代理构建中的跨组件干扰

Ming Liu

机构 * Amazon（亚马逊） 纠错

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

AI总结 研究LLM代理系统中组件交互导致的性能下降，发现最优组件数量依赖任务和模型规模，贪心选择不可靠，需通过交互分析进行任务特定子集选择。

Comments 10 pages, 5 tables; preprint, under review

State and Memory is All You Need for Robust and Reliable AI Agents

Matthew Muhoberac, Atharva Parikh, Nirvi Vakharia, Saniya Virani, Aco Radujevic, Savannah Wood, Meghav Verma, Dimitri Metaxotos, Jeyaraman Soundararajan, Thierry Masquelin, Alexander G. Godfrey, Sean Gardner, Dobrila Rudnicki, Sam Michael, Gaurav Chopra

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

Comments 5 Main Figures, 10 Extended Data Figures (37 Pages) for Manuscript ; 9 Supplementary Tables, 40 Supplementary Figures (180 Pages) for Supporting Information

Agent Against Agent: An Agentic System for Automatic Prompt Injection Red Teaming

智能体对抗智能体：一种用于自动提示注入红队测试的智能体系统

Yanting Wang, Chenlong Yin, Runpeng Geng, Jinyuan Jia

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

AI总结 本研究提出PIMiner智能体系统，用于自动提示注入红队测试，该系统构建可迁移策略库，仅需少量查询即可在IPIArena、AgentDojo基准上对多款LLM实现高攻击成功率，解决现有方法泛化性差的问题。

Comments Our code is available at https://github.com/wang-yanting/PIMiner

Accelerated consensus in multi-agent networks via memory of local averages

通过局部平均的记忆实现多智能体网络中的加速共识

Aditya Bhaskar, Shriya Rangarajan, Vikram Shree, Mark Campbell, Francesca Parise

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

AI总结 本文提出了一种通过利用当前和前一状态的DeGroot更新，结合线性组合步骤，实现多智能体网络中加速共识的方法，适用于无向和周期性网络。

Comments 8 pages, 8 figures, paper accepted to 60th IEEE Conference on Decision and Control, 2021

Journal ref Published in 2021 60th IEEE Conference on Decision and Control (CDC)

The Bureaucracy of Speed: Structural Equivalence Between Memory Consistency Models and Multi-Agent Authorization Revocation

速度的官僚主义：内存一致性模型与多智能体授权撤销之间的结构等价性

Vladyslav Parakhin

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

AI总结 本文提出能力一致性系统，通过有限新鲜度语义构建状态映射，实现高并发下授权撤销的安全性保障，显著降低未经授权操作数量。

Comments 18 pages, 3 figures. Simulation code at https://github.com/hipvlady/prizm

Pancake: Hierarchical Memory System for Multi-Agent LLM Serving

Pancake：多代理LLM服务的分层内存系统

Zhengding Hu, Zaifeng Pan, Prabhleen Kaur, Vibha Murthy, Zhongkai Yu, Yue Guan, Zhen Wang, Steven Swanson, Yufei Ding

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

AI总结 Pancake是一种多级代理内存系统，通过多级索引缓存、协调索引管理和GPU-CPU协作，提升了LLM服务的内存管理效率和吞吐量。

Exploring The Impact Of Proactive Generative AI Agent Roles In Time-Sensitive Collaborative Problem-Solving Tasks

探索主动生成式AI代理在时间敏感的协作问题解决任务中的影响

Anirban Mukhopadhyay, Kevin Salubre, Hifza Javed, Shashank Mehrotra, Kumar Akash

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

AI总结 本研究探讨了主动生成式AI代理在时间敏感协作问题解决任务中的影响，发现同伴代理在提供提示和记忆支持时有帮助，但也可能干扰流畅性并增加工作量，而引导代理则提供轻量支架但影响有限。

Comments Published in Proceedings of the 2026 CHI Conference on Human Factors in Computing Systems (CHI'26)

HiMemFormer: Hierarchical Memory-Aware Transformer for Multi-Agent Action Anticipation

Zirui Wang, Xinran Zhao, Simon Stepputtis, Woojun Kim, Tongshuang Wu, Katia Sycara, Yaqi Xie

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

Comments Workshop on Video-Language Models at NeurIPS 2024

Efficient Replay Memory Architectures in Multi-Agent Reinforcement Learning for Traffic Congestion Control

Mukul Chodhary, Kevin Octavian, SooJean Han

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

Comments Full version of accepted paper to IEEE Intelligent Transportation Systems Conference (ITSC) 2024

Optimal Memory Scheme for Accelerated Consensus Over Multi-Agent Networks

Jiahao Dai, Jing-Wen Yi, Li Chai

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

Comments 8 pages, 6 figures

On the Necessary Memory to Compute the Plurality in Multi-Agent Systems

Emanuele Natale, Iliad Ramezani

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

Comments 14 pages, accepted at CIAC 2019

Spatial Memory Agent: Experience-Grounded Procedure Memory for Spatial Intelligence

空间记忆智能体：用于空间智能的基于经验的过程记忆

Haokai Zhang, Yuhang Ding, Yunshu Zhou, Xinze Du, Shengtao Zhang, Zhiyue Zhao, Yuling Xi, Hao Chen

机构 * Zhejiang University（浙江大学） ； Shanghai Jiao Tong University（上海交通大学） ； Shanghai Innovation Institute（上海创新研究院） 纠错

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

AI总结 该研究提出SMA框架，让冻结VLM智能体无需外部空间工具，通过无参数更新自进化提升空间推理，在多基准和模型上表现最优，提供了空间自进化的实用路径。

Comments Under Review

MIRA: Medical Image Reflection for Agentic Diagnosis

MIRA：面向智能体诊断的医学图像反射

Shengzhi Wang, Jun Yang, Kai Wu, Xiaozhong Ji, Yiwen Ye, Ziyang Chen, Mingliang Xiong, Wen Fang, Mingqing Liu, Mengyuan Xu, Miaoxuan Shan, Caiyan Liu, Bin He, Qingwen Liu

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

AI总结 该研究提出医学视觉诊断框架MIRA，通过两阶段训练优化工具使用与证据验证，在9个医学视觉推理基准上较Qwen3-VL-8B backbone提升7.44分，改善工具使用判断并减少有害判断。

Autoreflection: How Agentic Strange Loops Turn Human Culture into AI Infrastructure

自反：智能体的奇异循环如何将人类文化转化为AI基础设施

Holly Lewis

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

AI总结 本文提出自反概念，以LLM智能体为研究对象，通过Moltbook平台案例验证其行为标准，发现智能体将人类文化转化为自身AI基础设施。

Comments 35 pages. Also available at https://philarchive.org/rec/LEWAHA. Keywords: autoreflection, AI agents, agentic AI, LLM agents, generative agents, large language models, multi-agent systems, agent societies, Moltbook, OpenClaw, situational awareness, in-context learning, philosophy of mind, emergent behavior, computational social science, identity, memory

Autogenesis: A Self-Evolving Agent Protocol

自生成：一种自我进化代理协议

Wentao Zhang, Zhe Zhao, Haibin Wen, Yingcheng Wu, Cankun Guo, Ming Yin, Bo An

机构 * Nanyang Technological University（南洋理工大学） ； Stanford University（斯坦福大学） ； Princeton University（普林斯顿大学） ； City University of Hong Kong（香港城市大学） ； 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 ：agent(title,abstract)；tool use(abstract)；planning(abstract)；multi-agent(abstract)

AI总结 本文提出了一种自生成协议（AGP），该协议通过分离进化内容与进化过程，解决了现有代理协议在跨实体生命周期管理、版本追踪和安全更新接口方面的不足。基于AGP，作者展示了自生成系统（AGS），该系统能够动态实例化、检索和优化协议注册的资源，通过多个具有长视界规划和工具使用的挑战性基准测试，验证了代理资源管理和闭环自我进化的有效性。

Dual-Cluster Memory Agent: Resolving Multi-Paradigm Ambiguity in Optimization Problem Solving

双簇记忆智能体：解决优化问题求解中的多范式歧义

Xinyu Zhang, Yuchen Wan, Boxuan Zhang, Zesheng Yang, Lingling Zhang, Bifan Wei, Jun Liu

机构 * School of Computer Science and Technology, Xi’an Jiaotong University（西安交通大学计算机科学与技术学院） ； Ministry of Education Key Laboratory of Intelligent Networks and Network Security, China（教育部智能网络与网络security重点实验室） ； Shaanxi Province Key Laboratory of Big Data Knowledge Engineering, China（陕西省大数据知识工程重点实验室） 纠错

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

AI总结 提出双簇记忆智能体（DCM-Agent），通过无训练方式利用历史解决方案构建双簇记忆，并采用记忆增强推理动态导航解路径，在七个优化基准上平均性能提升11%-21%。

Memory Intelligence Agent

记忆智能代理

Jingyang Qiao, Weicheng Meng, Yu Cheng, Zhihang Lin, Zhizhong Zhang, Xin Tan, Jingyu Gong, Kun Shao, Yuan Xie

机构 * East China Normal University（华东师范大学） ； Shanghai Innovation Institute（上海创新研究院） ； Harbin Institute of Technology（哈尔滨工业大学） ； Xiamen University（厦门大学） ； Shanghai Artificial Intelligence Laboratory（上海人工智能实验室） ； Independent Researcher（独立研究者） 纠错

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

AI总结 本文提出Memory Intelligence Agent框架，通过Manager-Planner-Executor架构实现高效记忆演化，结合强化学习与双向记忆转换，提升推理与自进化能力。

Agentic Persona Control and Task State Tracking for Realistic User Simulation in Interactive Scenarios

代理人格控制与任务状态跟踪用于交互场景中逼真用户模拟

Hareeshwar Karthikeyan

机构 * Toast Inc.（Toast公司） 纠错

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

AI总结 本文提出了一种多代理框架，通过人格控制和任务状态跟踪模拟逼真用户交互，实验表明其在任务完成和真实性方面优于单LLM基线。

Comments - Accepted to 39th Conference on Neural Information Processing Systems (NeurIPS 2025) Workshop: Scaling Environments for Agents (SEA) - Paper contains 12 pages with 3 figures and 3 tables

Learning Multi-Access Point Coordination in Agentic AI Wi-Fi with Large Language Models

在基于大语言模型的代理AI无线局域网中学习多接入点协调

Yifan Fan, Le Liang, Peng Liu, Xiao Li, Ziyang Guo, Qiao Lan, Shi Jin, Wen Tong

机构 * School of Information Science and Engineering（信息科学与工程学院） ； Purple Mountain Laboratories（紫金山实验室） ； Wireless Technology Lab, 2012 Labs, Huawei Technologies Co., Ltd（无线技术实验室，2012实验室，华为技术有限公司） 纠错

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

AI总结 本文提出基于大语言模型的代理AI无线局域网框架，通过动态协作实现多接入点协调，提升无线网络性能。

MemTool: Optimizing Short-Term Memory Management for Dynamic Tool Calling in LLM Agent Multi-Turn Conversations

Elias Lumer, Anmol Gulati, Vamse Kumar Subbiah, Pradeep Honaganahalli Basavaraju, James A. Burke

机构 * Commercial Technology and Innovation Office, PricewaterhouseCoopers（普华永道商业技术与创新办公室） 纠错

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

Comments 23 Pages, 20 Figures

Agentic Unlearning: When LLM Agent Meets Machine Unlearning

代理反学习：当大语言模型代理遇见机器反学习

Bin Wang, Fan Wang, Pingping Wang, Jinyu Cong, Yang Yu, Yilong Yin, Zhongyi Han, Benzheng Wei

机构 * Center for Medical Artificial Intelligence, Shandong University of Traditional Chinese Medicine（山东中医药大学中医人工智能中心） ； School of Software, Shandong University（山东大学软件学院） ； School of Medical Information Engineering, Shandong University of Traditional Chinese Medicine（山东中医药大学医学信息工程学院） ； Shandong Huazhi Talent Technology Co., Ltd.（山东华智人才科技有限公司） 纠错

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

AI总结 本文提出SBU框架，通过同步双更新协议实现参数与记忆路径的联合反学习，有效减少敏感信息痕迹并保持数据保留质量。

Comments 9 pages, 6 figures, 6 tables

MAPLE: A Sub-Agent Architecture for Memory, Learning, and Personalization in Agentic AI Systems

MAPLE：一种用于代理AI系统中记忆、学习和个性化的核心架构

Deepak Babu Piskala

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

AI总结 MAPLE通过分解记忆、学习和个性化为独立子代理，提升代理AI系统的个性化能力，实验显示在个性化得分和特征纳入率上有显著提升。

Comments 12 pages, 5 figures. Accepted to ALA Workshop at AAMAS 2026. Code: [](https://github.com/prdeepakbabu/maple-framework)<https://github.com/prdeepakbabu/maple-framework>

Amory: Building Coherent Narrative-Driven Agent Memory through Agentic Reasoning

Amory：通过代理推理构建连贯的叙事驱动代理记忆

Yue Zhou, Xiaobo Guo, Belhassen Bayar, Srinivasan H. Sengamedu

机构 * University of Illinois Chicago（伊利诺伊大学芝加哥分校） ； Amazon（亚马逊） 纠错

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

AI总结 Amory通过增强代理推理构建连贯的叙事驱动记忆，提升长期对话代理的推理性能与响应效率。

Oracle Agent Memory as an Enterprise Memory Substrate for Long-Horizon AI Agents

作为长期人工智能代理的企业内存基础的Oracle代理内存

Richmond Alake, Cesare Bernardis, Paul Cayet, Luca Engel, Damien Hilloulin, Sungpack Hong, Allen Hosler, Nickolas Kavantzas, Ingo Kossyk, Son Le, Rhicheek Patra, Kartik Talamadupula, Valentin Venzin

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

AI总结 研究以Oracle数据库为基础的Oracle代理内存作为长期人工智能代理的企业内存基础，围绕内存生命周期、分层架构及评估方法展开探讨，总结LongMemEval结果，与基线比较，展示其优势，并提供相关实现附录。

Comments 23 pages, 7 figures. Technical report on Oracle Agent Memory

Field-Theoretic Memory for AI Agents: Continuous Dynamics for Context Preservation

场论记忆用于人工智能代理：连续动态以保持上下文

Subhadip Mitra

机构 * Rotalabs 纠错

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

AI总结 本文提出基于场论的记忆系统，通过连续动态保持上下文，提升多会话推理和时间推理性能。

Comments 15 pages, 6 figures. Code: https://github.com/rotalabs/rotalabs-fieldmem

Agentic Plan Caching: Test-Time Memory for Fast and Cost-Efficient LLM Agents

代理计划缓存：用于快速且低成本LLM代理的测试时间内存

Qizheng Zhang, Michael Wornow, Gerry Wan, Kunle Olukotun

机构 * Stanford University（斯坦福大学） 纠错

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

AI总结 Agentic Plan Caching通过测试时间内存提取并重用结构化计划模板，降低LLM代理服务成本和延迟，提升效率。

Comments NeurIPS 2025. 27 pages

KwaiAgents: Generalized Information-seeking Agent System with Large Language Models

Haojie Pan, Zepeng Zhai, Hao Yuan, Yaojia Lv, Ruiji Fu, Ming Liu, Zhongyuan Wang, Bing Qin

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

A Survey of Agent Memory in the Second Half: Towards Self-Evolving and Long-Horizon Agents

重新思考基础智能体的内存机制：第二阶段综述

Wei-Chieh Huang, Weizhi Zhang, Yueqing Liang, Yuanchen Bei, Yankai Chen, Tao Feng, Xinyu Pan, Zhen Tan, Yu Wang, Tianxin Wei, Shanglin Wu, Ruiyao Xu, Liangwei Yang, Rui Yang, Wooseong Yang, Chin-Yuan Yeh, Hanrong Zhang, Haozhen Zhang, Siqi Zhu, Henry Peng Zou, Wanjia Zhao, Song Wang, Wujiang Xu, Zixuan Ke, Zheng Hui, Dawei Li, Yaozu Wu, Langzhou He, Chen Wang, Xiongxiao Xu, Baixiang Huang, Juntao Tan, Shelby Heinecke, Huan Wang, Caiming Xiong, Ahmed A. Metwally, Jun Yan, Chen-Yu Lee, Hanqing Zeng, Yinglong Xia, Xiaokai Wei, Ali Payani, Yu Wang, Haitong Ma, Wenya Wang, Chenguang Wang, Yu Zhang, Xin Eric Wang, Yongfeng Zhang, Jiaxuan You, Hanghang Tong, Xiao Luo, Xue Liu, Yizhou Sun, Wei Wang, Julian McAuley, James Zou, Jiawei Han, Philip S. Yu, Kai Shu

机构 * UIC（伊利诺伊大学香槟分校） ； IIT（伊利诺伊理工学院） ； UIUC（伊利诺伊大学厄巴纳-香槟分校） ； UW–Madison（威斯康星大学麦迪逊分校） ； ASU（亚利桑那州立大学） ； Emory（埃默里大学） ； Northwestern（西北大学） ； NTU（国立台湾大学） ； UCF（佛罗里达大学） ； Rutgers（新泽西罗格斯大学） ； Cambridge（剑桥大学） ； Harvard（哈佛大学） ； UTokyo（东京大学） ； UCSD（加州大学圣地亚哥分校） ； UCSC（加州大学圣塔克鲁斯分校） ； TAMU（德克萨斯大学奥斯汀分校） ； UCSB（加州大学圣塔芭芭拉分校） ； MBZUAI（马克斯·普朗克人工智能研究所） ； McGill（麦吉尔大学） ； UCLA（加州大学洛杉矶分校） ； Stanford（斯坦福大学） ； Salesforce ； Google（谷歌） ； Meta ； Roblox ； Cisco（思科） ； Capital One 纠错

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

AI总结 本文综述了基础智能体内存机制，从内存基质、认知机制和主体维度分析内存在不同拓扑结构下的实现，并探讨内存操作的学习策略与评估指标。

Comments Accepted at Transactions on Machine Learning Research (TMLR) with Survey Certification. Project page: https://github.com/AgentMemoryWorld/Awesome-Agent-Memory