AI Agent

Quo Vadis, World Modeling?

世界建模，何去何从？

Yu Yang, Xuemeng Yang, Licheng Wen, Lingdong Kong, Xiaobin Hu, Dongyue Lu, Wei Chow, Xiyan Huang, Yuxiang Feng, Yue Liao, Jianbiao Mei, Daocheng Fu, Rong Wu, Pinlong Cai, Ran Yi, Ying Tai, Jiangning Zhang, Botian Shi, Yong Liu, Shuicheng Yan

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

AI总结 本研究提出以智能体为中心的交互式世界代理，将世界建模范式从物理状态转换转向智能体可用信息转换，划分六种代理类型与三个赋能层面，为构建赋能智能体的世界代理建立路线图。

Comments Technical Blog at https://worldbench.github.io/awesome-agentic-world-model GitHub Repo at https://github.com/worldbench/awesome-agentic-world-model

Mi-Memory: A Lifecycle Memory Framework for Personal AI

Mi-Memory：一种用于个人人工智能的生命周期内存框架

Xule Liu, Hanlin Teng, Chao Li, Yanan Ni, Shuo Lu, Audrey Wang, Yijun Liu, Yunfei Wang, Xiaofeng Li, Xian Yi, Yuanfa Li, Kang Zhao, Jian Liang, Yuxuan Chen, Jinyuan Chen, Heng Qu, Kun Shao, Jian Luan

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

AI总结 研究针对个人人工智能从聊天交互拓展至多设备持续服务的需求，提出Mi-Memory生命周期内存框架，围绕四个角色构建，通过共享审计合约及相关工件家族实现，经实例化角色在评估中取得一定成果，迈向可审计等特性的内存系统。

Comments Project page: https://darwin-agent.github.io/Mi-Memory/

Contrastive Reflection for Iterative Prompt Optimization

对比反思：迭代提示优化

Derek Koh, Jinghui Mo, Benjamin H. Le, Jiening Zhan, Baofen Zheng, Kevin Bevis, Nathaniel C. Owen, Lauren Elizabeth Charney, Wenqiong Liu, Jingwei Wu

机构 * LinkedIn（领英） 纠错

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

AI总结 提出对比反思框架，通过对比失败与成功行为，迭代优化检索增强生成代理的提示，在HotpotQA上准确率从51.4%提升至60.4%。

Comments 6 pages, 1 figure. To appear at Agent4IR @ KDD 2026 (KDD 2026 Workshop on AI Agents for Information Retrieval)

MRMMIA: Membership Inference Attacks on Memory in Chat Agents

MRMMIA：聊天代理中记忆的成员推断攻击

Kai Chen, Yan Pang, Tianhao Wang

机构 * University of Virginia（弗吉尼亚大学） 纠错

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

AI总结 针对聊天代理记忆系统，提出一种利用多次召回探针的统一成员推断攻击方法MRMMIA，在黑盒、灰盒和白盒设置下均优于基线，揭示了代理中的隐私风险。

Comments This work investigates the MIA on chat agent memory

MemoryCD: Benchmarking Long-Context User Memory of LLM Agents for Lifelong Cross-Domain Personalization

MemoryCD：LLM代理跨领域终身个性化长期上下文用户记忆基准测试

Weizhi Zhang, Xiaokai Wei, Wei-Chieh Huang, Zheng Hui, Chen Wang, Michelle Gong, Philip S. Yu

机构 * Roblox ； University of Illinois Chicago（伊利诺伊大学芝加哥分校） ； University of Cambridge（剑桥大学） 纠错

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

AI总结 MemoryCD通过12个多样化领域和4种个性化任务，评估14种先进LLM基模型与6种记忆方法在单域和跨域场景下的长期上下文用户记忆能力，揭示现有方法在跨领域终身个性化中的不足。

Comments Published as a workshop paper in Lifelong Agent @ ICLR 2026

Distilling Feedback into Memory-as-a-Tool

将反馈转化为记忆-as-a-工具

Víctor Gallego

机构 * Komorebi AI Technologies（Komorebi人工智能技术） 纠错

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

AI总结 本文提出通过文件式记忆系统和智能体控制的工具调用来将临时批评转化为可检索的指导方针，从而降低推理时间的推理成本。在Rubric Feedback Bench数据集上实验表明，增强型LLM在测试时能快速匹配精炼管道性能，同时大幅降低推理成本。

Comments Code: https://github.com/vicgalle/feedback-memory-as-a-tool Data: https://huggingface.co/datasets/vicgalle/rubric-feedback-bench

Journal ref ICLR 2026 Workshop on Memory for LLM-Based Agentic Systems

Zombie Agents: Persistent Control of Self-Evolving LLM Agents via Self-Reinforcing Injections

僵尸代理：通过自我强化注入实现自我演化大语言模型代理的持续控制

Xianglin Yang, Yufei He, Shuo Ji, Bryan Hooi, Jin Song Dong

机构 * School of Computing National University of Singapore（计算学院新加坡国立大学） 纠错

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

AI总结 研究提出僵尸代理攻击，通过自我强化注入实现对自我演化大语言模型代理的持续控制，揭示内存演化可将一次间接注入转化为持久妥协，表明单一会话提示过滤防御不足。

Comments Published as a workshop paper in Lifelong Agent @ ICLR 2026

From Particles to Agents: Hallucination as a Metric for Cognitive Friction in Spatial Simulation

从粒子到代理：幻觉作为空间模拟中认知摩擦的度量

Javier Argota Sánchez-Vaquerizo, Luis Borunda Monsivais

机构 * Computational Social Science. ETH Zürich（ETH Zurich计算社会科学） ； Virginia Tech School of Architecture（弗吉尼亚理工大学建筑学院） 纠错

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

AI总结 本文提出代理环境模拟，通过认知摩擦度量揭示建筑空间的象征性模糊，挑战传统HCI范式，提出人类中心的认知编排框架。

Comments Paper selected for the workshop Human Cognition, AI, and the Future of HCI: Navigating the Disruptive and Wild Landscape of Large Language Models and Agentic AI as part of the Human-Computer Interaction (HCI) conference of the Alpine region (AlpCHI 2026) hosted at the Congressi Stefano Franscini, March 1st to March 5th, 2026 on Monte Verità in Ascona, Switzerland

Handling PDDL3.0 State Trajectory Constraints with Temporal Landmarks

Eliseo Marzal, Mohannad Babli, Eva Onaindia, Laura Sebastia

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

Comments Workshop on Constraint Satisfaction Techniques for Planning and Scheduling (COPLAS), (2017)

Regulated State Synchronization for Discrete-Time Homogeneous Networks of Non-Introspective Agents in Presence of Unknown Non-Uniform Input Delays: A Scale-Free Protocol Design (with a general MATLAB implementation)

Zhenwei Liu, Donya Nojavanzadeh, Dmitri Saberi, Ali Saberi, Anton A. Stoorvogel

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

Comments This article focuses on the synchronization of DISCRETE-TIME multi-agent systems (MAS) in present of unknown non-uniform input delays. It is the discrete-time version of article arXiv:2001.02117. Even though the same problem (the synchronization of MAS) is dealt with in these two papers, the analysis and design tools and the resulting protocols are completely different

A Model of a Trust-based Recommendation System on a Social Network

Frank E. Walter, Stefano Battiston, Frank Schweitzer

专题命中 记忆与上下文管理 ：agent(comments,journal_ref)；autonomous agent(comments,journal_ref)；multi-agent(comments,journal_ref)

Comments v3 revised as compared to v2 (figures updated, clarifications). Accepted for publication in J. Autonomous Agents and Multi-Agent Systems (2007)

Journal ref Journal of Autonomous Agents and Multi-Agent Systems, vol. 16, no. 1 (2008), pp. 57-74

Classifying Directional Trajectories Near Criticality in the Three-State Majority-Vote Model with Deep Belief Networks and Bidirectional GRUs

用深度置信网络和双向门控循环单元对三态多数投票模型临界态附近的定向轨迹进行分类

Mauricio A. Valle, Gonzalo A. Ruz

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

AI总结 本研究用DBN与Bi-GRU处理MV3轨迹分类问题，DBN编码静态快照，Bi-GRU实现四类轨迹近乎完美分离，可实时感知MV3动态 regime，为意见动力学模型临界转变检测提供分层架构。

Comments 8 pages, 6 figures, to be published in AIxSET 2026

Repetition as Reinforcement: Enhancing Sample Efficiency via Instant Episode Repetition in Reinforcement Learning

重复作为强化：通过强化学习中的即时回合重复提升样本效率

Hoda Yamani, Yuning Xing, Koen van Rijnsoever, Bruce A. MacDonald, Henry Williams

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

AI总结 受人类学习的重复机制启发，提出即时回合重复（IER）机制，将其集成至 SAC、TD3 算法并在多类基准任务上验证，可提升强化学习的样本效率与学习性能。

Comments 23 pages, 12 figures. Accepted at RLC 2026; to appear in Reinforcement Learning Journal (RLJ) 2026. Code: https://github.com/UoA-CARES/instant-episode-repetition

SurgicalMamba: Dual-Path SSD with State Regramming for Online Surgical Phase Recognition

SurgicalMamba: 具有状态重编程的双路径SSD用于在线手术阶段识别

Sukju Oh, Sukkyu Sun

机构 * Department of Computer Science and Artificial Intelligence（计算机科学与人工智能系） 纠错

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

AI总结 提出SurgicalMamba模型，基于Mamba2的结构化状态空间对偶性（SSD），通过双路径SSD块、强度调制步进和状态重编程三个组件，实现在线手术阶段识别，在多个基准上达到最先进性能。

Comments Code: https://github.com/sukjuoh/Surgical-Mamba

Valhalla: A Layered Knowledge-State and Service-Governance Framework for Long-Term Scientific Knowledge Work

Valhalla：面向长期科学知识工作的分层知识状态与服务治理框架

Yuyang Zheng, Nan Li, Wenxia Deng, Lige Yan, Xiang Li, Si Chen

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

AI总结 Valhalla是面向长期科学知识工作的分层框架，采用FREG模型与服务治理架构，经抗体设计任务验证，可将个性化知识结构转化为可共享重组的协作知识状态。

HyperSkill: Self-Evolving LLM Agents via Hypergraph-Structured Skill Memory

HyperSkill：基于超图结构技能记忆的自进化大语言模型智能体

Ruiyao Xu, Tiankai Yang, Wei-Chieh Huang

机构 * University of Southern California（南加州大学） ； University of Illinois at Chicago（伊利诺伊大学芝加哥分校） ； Northwestern University（西北大学） 纠错

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

AI总结 本文提出HyperSkill超图记忆框架，解决LLM智能体记忆设计的存储、检索与进化问题，在多数据集上较10种基线取得显著性能提升。

Comments 25 pages

Physiological World Models for Human State Transitions

面向人体状态转换的生理世界模型

Chongyang Zhang, Rendong Wang, Hao Zheng, Hanwen Zhang, Yang Liu, Xiaolong Wei, Bin Chong

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

AI总结 本文提出生理世界模型（PWM），引入人体状态转换标记，构建含六项基准任务的框架，用于建模人体生理状态响应现实因素的变化，助力个性化健康管理等场景。

RA-CAD: Learning Post-Execution Critique for State-Aware Text-to-CAD Generation

RA-CAD：学习执行后批判的状态感知文本到CAD生成模型

Shuhao Yan, Changhao He, Peng Hu, Xi Peng

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

AI总结 该研究针对文本到CAD生成的反馈利用不足问题，提出RA-CAD智能体，通过生成-执行-批判-重写循环结合CCB、FAO优化，在CADFusion和Text2CAD上实现最优性能。

Comments 17 pages, 7 figures

Handover of In-Context Learning State Across Session Boundaries

跨会话边界的上下文学习状态移交

Masahiro Kato, Taka Kato

机构 * Mizuho-DL Financial Technology（瑞穗数字金融科技） ； the University of Tokyo（东京大学） ； RIKEN AIP（理化学研究所人工智能项目） ； Osaka Metropolitan University（大阪公立大学） 纠错

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

AI总结 本研究针对大语言模型应用的会话移交问题，提出三部分记录方法，结合高斯线性与非参数回归，为移交的信息保留及记忆需求提供理论与方法。

LycheeMemory V2: Efficient Long-Term Memory for LLM Agents via Semantic Segment-Level Consolidation

LycheeMemory V2：基于语义片段级整合的LLM智能体高效长期记忆

Dongfang Li, Zixuan Liu, Junmai Wang, Jiahe Huang, Fuhao Li, Bonian Jia, Baotian Hu, Min Zhang

机构 * Harbin Institute of Technology, Shenzhen（哈尔滨工业大学（深圳）） 纠错

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

AI总结 LycheeMemory V2用语义片段级整合替代轮次级整合，降低LLM编码成本，在LoCoMo、LongMemEval-S上实现SOTA性能，构建token用量较A-Mem大幅减少且未增加查询开销。

Comments 34 pages, 5 figures

Decentralized Multi-Player Q-Learning in Episodic Markov Decision Processes with Information Asymmetry

Larissa Xu, King Bi, William Chang

机构 * University of California, Los Angeles（加州大学洛杉矶分校） 纠错

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

Governed Persistent Memory: Source-Bound State Semantics and Fail-Closed Release for Long-Horizon Agents

受控持久内存：长程智能体的源绑定状态语义与故障关闭式释放

Guodong Xu

机构 * Qingdao Guodongxiansheng Network Technology Co., Ltd.（青岛果动先生网络科技有限公司） 纠错

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

AI总结 本文针对长程智能体内存的矛盾记录问题，提出受控持久内存（GPM）模型，经多组基准测试与服务评估，其在GPM-ReleaseBench、中英文指令分支等场景均实现零不匹配，修复大量基线故障且无退化。

Comments 23 pages, 2 figures, 11 tables. Includes a sealed end-to-end governed-memory service evaluation with an ungoverned local Qwen2.5-7B comparison

Assessment Design in the GenAI Era: The X1-X2-X3 Assessment Pattern for Testing Students' AI Literacy, Learning Outcomes, and Reflection

生成式人工智能（GenAI）时代的评估设计：用于测试学生AI素养、学习成果与反思的X1-X2-X3评估模式

Riasat Islam, Thomas Roelleke

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

AI总结 本文针对GenAI对在线评估的挑战，提出可复用的X1-X2-X3评估模式，用于测试学生AI素养等，为教师适配GenAI时代评估提供实践指导。

Comments 30 pages, 1 figure, 11 tables. Submitted to the following journal: Assessment & Evaluation in Higher Education (Taylor & Francis)

SDAM: Structure-Difference-Aware Memory Evolution for Complex Text-to-SQL

SDAM：面向复杂文本转SQL的结构差异感知记忆演化

Keyan Xu, Dingzirui Wang, Xuanliang Zhang, Qingfu Zhu, Wanxiang Che

机构 * Harbin Institute of Technology（哈尔滨工业大学） 纠错

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

AI总结 针对现有文本转SQL记忆设计的缺陷，提出SDAM方法，集成至SDAM-SQL框架，在BIRD-dev和Spider-test数据集上实现指标提升，验证了方法有效性。

Comments 19 pages, 5 figures, 12tables

Self-evolving network verifiers

自演进网络验证器

Ioannis Protogeros, Tibor Schneider, Laurent Vanbever

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

AI总结 该研究提出一种自动演进的网络验证器，通过编码智能体与可信预言机的反例引导循环，让基于SMT的验证器自主学习新网络功能，解决手动维护模型的难题。

Comments 8 pages, 5 figures

EvoGraph-Mem: Failure-Aware Editable Graph Memory for Long-Term Language Agents

EvoGraph-Mem：面向长期语言智能体的故障感知可编辑图记忆

Yuxi Qian, Yuxiang Ren

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

AI总结 本文针对长期语言智能体的记忆污染问题，提出故障感知可编辑图记忆框架，通过见解节点跟踪与图级编辑优化记忆，实验显示其性能优于现有记忆增强智能体基线。

Comments 10 pages, 3 figures

From Prompt to Harness: Coderlet from Scratch

从提示到管控：从零开始构建Coderlet

Mengfan Li

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

AI总结 本文研究了一种紧凑的编程智能体管控设计，通过模型、执行、状态边界连接各组件，实现模型生成到环境动作的转换，可逐步优化并在可执行工件中实现。

SPECTRA: Pushing the KV Cache Beyond the 2-Bit Cliff via Spectral Transform Coding

SPECTRA：通过谱变换编码将KV缓存推向2比特极限之外

Jiamu Zhang, Liang Wu, Kelly Wan, Hanjie Chen, Liangjie Hong

机构 * Nokia（诺基亚） ； Rice University（莱斯大学） 纠错

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

AI总结 SPECTRA是一种无需训练的KV缓存压缩编解码器，通过谱变换编码将比特预算集中于关键通道，在Llama-3.1-8B等模型上实现最高12倍压缩，突破2比特极限，提升长上下文处理能力

Comments 28 pages

Experience Memory Graph: One-Shot Error Correction for Agents

经验记忆图：智能体的一次性错误纠正

Wenjun Wang, Yuchen Fang, Fengrui Liu, Zibo Liang, Kai Zheng

机构 * University of Electronic Science and Technology of China（电子科技大学） 纠错

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

AI总结 研究针对大语言模型智能体在复杂任务中易出错且难恢复的问题，提出经验记忆图框架，将失败恢复转化为图匹配问题，训练时提取相关子图和路径存储，测试时指导智能体，实验证明其性能优于现有基线且无需测试时反复试验。

Comments 11 pages, 6 figures

Cascade: Exploiting SLO-Aware latency budget for fair and high goodput LLM inference serving

Cascade：利用感知SLO的延迟预算实现公平且高吞吐量的LLM推理服务

Muhammad Adnan, Rohan Mahapatra, Prashant J. Nair, Daniel Berger, Pantea Zardoshti, Rodrigo Fonseca, Esha Choukse

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

AI总结 Cascade是一款LLM服务系统，利用单请求延迟预算协同调度与KV缓存管理，在保留异构请求公平性的同时，使LLM推理服务吞吐量最高提升2.4倍，SLO违规率降低40%。