AI Agent

Harness-1: Reinforcement Learning for Search Agents with State-Externalizing Harnesses

Harness-1：基于状态外化马具的搜索智能体强化学习

Pengcheng Jiang, Zhiyi Shi, Kelly Hong, Xueqiang Xu, Jiashuo Sun, Jimeng Sun, Hammad Bashir, Jiawei Han

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

AI总结 提出Harness-1，一个20B参数的搜索智能体，通过强化学习在有状态搜索马具中训练，将常规状态管理外化到环境，在八个检索基准上平均召回率0.730，超越现有开源搜索子智能体11.4个百分点。

EnergyMamba: An Uncertainty-Aware Graph-Enhanced Selective State Space Model for Energy Consumption Prediction

EnergyMamba：一种用于能耗预测的具有不确定性感知的图增强选择性状态空间模型

Dahai Yu, Rongchao Xu, Lin Jiang, Guang Wang

机构 * Florida State University（佛罗里达州立大学） 纠错

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

AI总结 提出EnergyMamba框架，通过图增强选择性状态空间模型（GE-Mamba）和自适应序列分位数回归（AS-CQR）模块，实现时空联合建模与不确定性量化，在能耗预测中提升准确率约5%、不确定性量化约6%。

Comments Accepted by KDD 2026 AI4S

MemCollab: Cross-Model Memory Collaboration via Contrastive Trajectory Distillation

MemCollab：通过对比轨迹蒸馏实现跨模型记忆协作

Yurui Chang, Yiran Wu, Qingyun Wu, Lu Lin

机构 * Pennsylvania State University（宾夕法尼亚州立大学） ； AG2AI 纠错

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

AI总结 针对不同骨干模型代理间共享记忆性能下降的问题，提出MemCollab框架，通过对比同一任务上不同模型生成的推理轨迹来蒸馏共享的抽象推理约束，并引入任务感知检索机制，提升异构代理的准确性和推理效率。

MemCog: From Memory-as-Tool to Memory-as-Cognition in Conversational Agents

MemCog: 从记忆即工具到记忆即认知的对话代理

Zihan Li, Xingyu Fan, Feifei Li, Wenhui Que

机构 * WeChat, Tencent Inc.（腾讯公司） 纠错

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

AI总结 提出MemCog系统，通过可导航记忆存储、跨维度导航接口和主动推理协议，将记忆访问融入推理过程，在被动问答和主动记忆触发基准上达到最优性能。

When Does Adaptive Guidance Help? Belief-Aware Privileged Distillation for Autonomous Driving Under Partial Observability

自适应引导何时有帮助？部分可观测条件下自动驾驶的信念感知特权蒸馏

Mehmet Haklidir

机构 * TUBITAK BILGEM Artificial Intelligence Institute（土耳其TUBITAK BILGEM人工智能研究所） 纠错

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

AI总结 本文提出信念感知GSAC（BA-GSAC），通过集成分歧动态调节蒸馏系数，系统研究自适应引导在部分可观测自动驾驶中的有效性，发现严重遮挡下系数过早崩溃，并揭示可观测性盲区问题。

Comments 9 pages, 3 figures, 7 tables. Accepted at CVPR 2026 Workshop on Autonomous Driving (WAD)

Classical State Preparation for Variational Quantum Algorithms via Reinforcement Learning

基于强化学习的变分量子算法经典态制备

Gino Kwun, Dhanvi Bharadwaj, Gokul Subramanian Ravi

机构 * Computer Science and Engineering University of Michigan（计算机科学与工程大学密歇根大学） 纠错

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

AI总结 提出CRiSP框架，利用强化学习和蒙特卡洛树搜索为变分量子算法生成高质量初始态，显著提升能量精度。

Comments 22 pages, 4 figures

Evaluating Memory Structure in LLM Agents

评估LLM智能体中的记忆结构

Alina Shutova, Alexandra Olenina, Ivan Vinogradov, Anton Sinitsin

机构 * HSE University（莫斯科国立高等经济学院） ； Yandex ； YSDA ； New Economic School（新经济学院） 纠错

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

AI总结 提出StructMemEval基准测试，通过结构化记忆任务（如交易账本、待办事项列表、树结构等）评估LLM智能体组织长期记忆的能力，发现简单检索增强LLM难以胜任，而记忆智能体在提示下可解决，但现代LLM在无提示时无法自主识别记忆结构。

Comments Preprint, work in progress

ZipMoE: Efficient On-Device MoE Serving via Lossless Compression and Cache-Affinity Scheduling

ZipMoE：通过无损压缩和缓存亲和调度实现高效的设备端MoE服务

Yuchen Yang, Yaru Zhao, Pu Yang, Shaowei Wang, Zhi-Hua Zhou

机构 * School of Electronic Science and Engineering, Nanjing University, China.（南京大学电子科学与工程学院） ； National Key Laboratory for Novel Software Technology, Nanjing University, China.（南京大学新型软件技术国家重点实验室） 纠错

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

AI总结 提出ZipMoE系统，通过缓存-调度协同设计利用边缘设备硬件特性和MoE参数统计冗余，实现无损且高效的设备端MoE推理，显著降低延迟并提升吞吐量。

Comments ICML 2026

MedExpMem: Adapting Experience Memory for Differential Diagnosis

MedExpMem：适应经验记忆用于鉴别诊断

Qianhan Feng, Zhongzhen Huang, Yakun Zhu, Yannian Gu, Winnie Chiu Wing Chu, Xiaofan Zhang, Qi Dou

机构 * The Chinese University of Hong Kong（香港中文大学） ； Shanghai Jiao Tong University（上海交通大学） 纠错

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

AI总结 提出MedExpMem经验记忆框架，通过存储和利用诊断失败中的判别经验，增强医学视觉语言模型的鉴别诊断能力，在放射学基准上最高提升7.0%准确率。

Comments MICCAI 2026 Early Accept. Submission Version

Skill Weaving: Efficient LLM Improvement via Modular Skillpacks

技能编织：通过模块化技能包实现高效的LLM改进

Zhuo Li, Guodong Du, Zesheng Shi, Weiyang Guo, Weijun Yao, Yuan Zhou, Jiabo Zhang, Jing Li

机构 * Harbin Institute of Technology, Shenzhen, China（哈尔滨工业大学（深圳）） ； The Hong Kong Polytechnic University（香港理工大学） ； Huawei Technologies Co., Ltd.（华为技术有限公司） ； Shanghai Jiaotong University（上海交通大学） 纠错

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

AI总结 本研究提出SkillWeave框架，通过模块化技能包使LLM在固定内存预算下实现领域专业化，通过SkillZip压缩技术实现高效部署，实验表明其在多任务和代理基准上表现优异，速度提升达4倍。

Comments Accepted by ACL2026

HiRes: Inspectable Precedent Memory for Reaction Condition Recommendation

HiRes: 反应条件推荐的可检查先例记忆

Shreyas Vinaya Sathyanarayana, Raja Sekhar Pappala, Deepak Warrier

机构 * Mstack AI 纠错

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

AI总结 HiRes通过结合图编码器、变换感知交叉注意力、多流反应融合和k-NN检索层，实现了反应条件推荐的高准确率和可解释性，其在催化剂、溶剂和试剂的Top-1准确率分别达到0.929、0.534和0.530，优于现有方法。

Llamas on the Web: Memory-Efficient, Performance-Portable, and Multi-Precision LLM Inference with WebGPU

网络上的Llamas：基于WebGPU的内存高效、性能可移植和多精度LLM推理

Reese Levine, Rithik Sharma, Nikhil Jain, Abhijit Ramesh, Zheyuan Chen, Neha Abbas, James Contini, Tyler Sorensen

机构 * Microsoft Research（微软研究院） ； UC Santa Cruz（加州大学圣克鲁兹分校） 纠错

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

AI总结 本文提出LlamaWeb，一种基于WebGPU的LLM推理框架，通过静态内存规划和高效模型加载减少内存开销，支持多种模型权重格式，实现了内存高效、性能可移植的LLM推理。

Comments 19 pages, 11 figures, 5 tables

Smaller Abstract State Spaces Enable Cross-Scale Generalization in Reinforcement Learning

更小的抽象状态空间在强化学习中实现跨尺度泛化

Nasehatul Mustakim, Lucas Lehnert

机构 * Department of Computer Science（计算机科学系） ； University of Saskatchewan（萨斯喀彻温大学） ； Saskatoon, Saskatchewan, Canada（加拿大萨斯喀彻温省萨斯喀彻温市） 纠错

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

AI总结 本文提出了一种理论模型，通过扩展POMDP中的状态抽象框架，定义了 successor-weighted model reduction，从而在强化学习代理中实现跨尺度泛化，并分析了抽象状态空间大小对泛化能力的影响。

Composition of Memory Experts for Diffusion World Models

记忆专家的组合用于扩散世界模型

Sebastian Stapf, Pablo Acuaviva Huertos, Aram Davtyan, Paolo Favaro

机构 * Computer Vision Group（计算机视觉组） ； Department of Computer Science（计算机科学系） ； University of Bern（伯恩大学） 纠错

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

AI总结 本文提出了一种基于扩散的世界模型框架，通过组合专门化的记忆专家来解决记忆与效率之间的权衡问题，提升了时间一致性、过去观察的回忆和导航性能。

Journal ref Proceedings of the Fourteenth International Conference on Learning Representations (ICLR), 2026

CommitDistill: A Lightweight Knowledge-Centric Memory Layer for Software Repositories

CommitDistill: 一种轻量级的知识导向内存层用于软件仓库

Divya Chukkapalli, Thejesh Avula, Aditya Aggarwal, Harsimran Singh, Amith Tallanki

机构 * Microsoft Corporation（微软公司） 纠错

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

AI总结 本文提出CommitDistill，一种轻量级的知识导向内存层，通过确定性正则表达式从本地git历史中提取类型化知识单元，并通过TF-IDF检索器进行检索，以提高软件仓库中历史信息的利用率。

Privacy Preserving Reinforcement Learning with One-Sided Feedback

具有单侧反馈的隐私保护强化学习

Lin William Cong, Guangyan Gan, Hanzhang Qin, Zhenzhen Yan

机构 * Nanyang Technological University（南洋理工大学） ； National University of Singapore（国立新加坡大学） ； Cornell SC Johnson College of Business（康奈尔大学SC Johnson商学院） 纠错

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

AI总结 本文研究了在多维连续状态和动作空间中，代理仅接收状态部分观测并仅在每个时间步获得状态-动作空间子集奖励信息的强化学习问题，提出了一种新的隐私保护强化学习算法POOL，并通过理论分析证明其样本复杂度与非隐私强化学习的下界一致，展示了在保持高学习效率的同时实现强隐私保障的可行性。

Comments Accepted at IJCAI-ECAI 2026

RAP: Runtime Adaptive Pruning for LLM Inference

RAP: 用于大语言模型推理的运行时自适应剪枝

Huanrong Liu, Chunlin Tian, Xuyang Wei, Qingbiao Li, Li Li

机构 * Faculty of Science and Technology, University of Macau, Macau, China（澳门大学科学与技术学院） ； School of Information and Software Engineering, University of Electronic Science and Technology of China, Chengdu, China（电子科技大学信息与软件工程学院） 纠错

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

AI总结 本文提出RAP，一种基于强化学习的弹性剪枝框架，通过动态调整压缩策略来适应运行时内存变化和异构KV缓存需求，首次在推理过程中同时考虑模型权重和KV缓存。

MATE: Solving Contextual Markov Decision Processes with Memory of Accumulated Transition Embeddings

MATE：利用累积转移嵌入记忆解决上下文马尔可夫决策过程

Himchan Hwang, Hyeokju Jeong, Gene Chung, Seungyeon Kim, Sangwoong Yoon, Frank Chongwoo Park

机构 * Seoul National University（首尔国立大学） ； Ulsan National Institute of Science and Technology (UNIST)（釜山国立科学技术研究所（UNIST）） 纠错

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

AI总结 MATE通过使用累积转移嵌入的记忆架构，解决了由未观察上下文参数化的上下文马尔可夫决策过程（CMDPs），在保持后验信念的同时，避免了传统方法的计算和梯度问题，实现了高效且性能优异的解决方案。

STS: Efficient Sparse Attention with Speculative Token Sparsity

STS: 高效稀疏注意力与推测性标记稀疏性

Ceyu Xu, Jiangnan Yu, Yongji Wu, Yuan Xie

机构 * The Hong Kong University of Science and Technology（香港科技大学） ； UC Berkeley（加州大学伯克利分校） 纠错

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

AI总结 本文提出STS，一种无需模型再训练的稀疏注意力机制，通过利用较小的草稿模型识别出的重要标记来预测更大目标模型的重要标记，从而在大规模语言模型推理中实现高效的稀疏注意力计算，显著提升速度并保持准确性。

Comments 14 pages, 12 figures

Frontier Large Language Models Rival State-of-the-Art Planners

前沿大语言模型与最先进的规划器相媲美

Augusto B. Corrêa, André G. Pereira, Jendrik Seipp

机构 * University of Oxford（牛津大学） ； Federal University of Rio Grande do Sul（里约格兰德杜斯尔大学） ； Linköping University（林霍普大学） 纠错

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

AI总结 研究显示前沿大语言模型在规划任务中超越传统规划器， Gemini 3.1 Pro在标准任务中表现突出，GPT-5表现接近基线，且在符号规划中仍具竞争力，揭示了大语言模型规划能力的提升趋势。

Why Goal-Conditioned Reinforcement Learning Works: Relation to Dual Control

为何目标条件强化学习有效：与双控的关系

Nathan P. Lawrence, Ali Mesbah

机构 * Department of Chemical and Biomolecular Engineering, University of California, Berkeley, CA 94720 USA（化学与生物分子工程系，加州大学伯克利分校，CA 94720 USA） 纠错

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

AI总结 本文分析了目标条件强化学习与最优控制的关系，揭示了经典目标条件奖励与传统二次目标之间的优化差距，并验证了目标条件策略在非线性和不确定环境中的优势。

Comments IFAC world congress postprint

Leveraging RAG for Training-Free Alignment of LLMs

利用RAG实现无需训练的LLM对齐

John T. Halloran

机构 * Leidos（莱迪奥斯公司） 纠错

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

AI总结 本文提出RAG-Pref算法，通过对比信息提升对抗攻击拒绝能力，相比其他方法在五种主流LLM上提升3.7倍，同时保持计算效率。

Comments 19 pages, 4 figures, and 6 tables

Beyond Autonomy: A Dynamic Tiered AgentRunner Framework for Governable and Resilient Enterprise AI Execution

超越自主性：一种动态分层代理运行框架用于可控且具有弹性的企业AI执行

Kai Pan, Rong Hou

机构 * a2alab（a2alab实验室） 纠错

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

AI总结 本文提出动态分层代理运行框架，通过风险自适应分层、权力分离架构和容错设计，解决企业AI执行中的可控性和可靠性问题。

Comments 9 pages, 2 figures, 3 tables

Adaptive Action Chunking via Multi-Chunk Q Value Estimation

基于多片段Q值估计的自适应动作分块

Yongjae Shin, Jongseong Chae, Seongmin Kim, Jongeui Park, Youngchul Sung

机构 * KAIST（韩国科学技术院） 纠错

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

AI总结 本文提出自适应动作分块方法，通过动态调节分块长度提升强化学习性能，实验表明其在复杂环境中具有更好的泛化能力和学习效率。

AGWM: Affordance-Grounded World Models for Environments with Compositional Prerequisites

AGWM：基于 affordance 的世界模型用于具有组合前提条件的环境

Qinshi Zhang, Weipeng Deng, Zhihan Jiang, Jiaming Qu, Qianren Li, Weitao Xu, Ray LC

机构 * University of California, San Diego（加州大学圣地亚哥分校） ； University of Hong Kong（香港大学） ； Columbia University（哥伦比亚大学） ； Amazon（亚马逊） ； 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(abstract)；分类 cs.AI、cs.LG

AI总结 本文提出 AGWM 模型，通过学习抽象 affordance 结构来跟踪动作的动态可执行性，以解决传统世界模型在多步预测中的误差累积问题。

Comments 16 pages, 3 figures, 4 tables. Appendix on pages 11-16 (main text is self-contained)

SeaEvo: Advancing Algorithm Discovery with Strategy Space Evolution

SeaEvo：通过策略空间进化推进算法发现

Sichun Luo, Yi Huang, Haochen Luo, Fengyuan Liu, Guanzhi Deng, Lei Li, Qinghua Yao, Zefa Hu, Junlan Feng, Qi Liu

机构 * The University of Hong Kong（香港大学） ； JIUTIAN Research, China Mobile（钧天研究院，中国移动） ； City University of Hong Kong（城市大学） 纠错

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

AI总结 SeaEvo通过策略空间进化层，将语言级策略推理转化为群体级进化状态，提升LLM引导的程序搜索效果，实现算法发现、系统优化和智能体设计任务的性能提升。

A Multi-Memory Segment System for Generating High-Quality Long-Term Memory Content in Agents

一种多记忆段系统用于生成高质量的长期记忆内容在智能体中

Gaoke Zhang, Bo Wang, Yunlong Ma, Dongming Zhao, Zifei Yu

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

AI总结 本文提出多记忆段系统MMS，通过多维度生成高质量长期记忆内容，提升智能体的回忆和响应质量，实验验证了其有效性。

Comments The content has been significantly revised and the author has also changed. Therefore, the paper will be withdrawn for revision and then uploaded after the completion of the modifications

AdaGamma: State-Dependent Discounting for Temporal Adaptation in Reinforcement Learning

AdaGamma：强化学习中时序适应的状态依赖折扣

Yaomin Wang, Jianting Pan, Ran Tian, Xiaoyang Li, Yu Zhang, Hengle Qin, Tianshu YU

机构 * School of Data Science, The Chinese University of Hong Kong, Shenzhen（数据科学学院，香港中文大学（深圳）） 纠错

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

AI总结 AdaGamma通过学习状态依赖折扣函数和回报一致性目标，改进了深度强化学习中的状态依赖折扣方法，在连续控制基准和京东物流平台实现显著提升。

Comments 22 pages, 9 figures

Discovering What You Can Control: Interventional Boundary Discovery for Reinforcement Learning

发现你可以控制的东西：强化学习中的干预边界发现

Jiaxin Liu, Anzhe Cheng, Paul Bogdan

机构 * University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校） ； University of Southern California（南加州大学） 纠错

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

AI总结 本文提出干预边界发现方法，通过随机化动作生成干预对比，利用FDR校正的两样本检验确定观测维度，有效识别可控状态维度。

Attractor FCM

吸引子FCM

Alexis Kafantaris

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

AI总结 本文提出了一种基于梯度下降和物理约束的吸引子FCM，通过残差记忆、时间反向传播和固定点锚点实现误差最小化，结合牛顿法和自适应项提升收敛效率。