Decentralized Multi-Player Q-Learning in Episodic Markov Decision Processes with Information Asymmetry
机构 * University of California, Los Angeles（加州大学洛杉矶分校）
专题命中 记忆与上下文管理 ：agent(abstract)；分类 cs.LG
AI 大模型
AI Agent
智能体、工具调用、规划、工作流、多智能体和自主任务执行。
1. 记忆与上下文管理 396 篇
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
机构 * Qingdao Guodongxiansheng Network Technology Co., Ltd.（青岛果动先生网络科技有限公司）
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
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
机构 * Harbin Institute of Technology（哈尔滨工业大学）
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
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
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
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
机构 * Nokia（诺基亚） ； Rice University（莱斯大学）
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
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
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%。
Same physical state, different collective dynamics: state encodings select synchronization outcomes in language-model agents
相同物理状态，不同集体动力学：状态编码选择语言模型智能体的同步结果
专题命中 记忆与上下文管理 ：agent(abstract)；分类 cs.AI
AI总结 该研究通过循环同步实验发现，状态编码（低阶循环矩vs直方图）会影响语言模型智能体的同步结果，且效应因模型而异，状态编码是依赖模型的有效交互法则的组成部分。
Interaction Creates Dynamical AI Behavior Absent in Isolation
交互产生孤立状态下不存在的动态AI行为
机构 * George Washington University（乔治华盛顿大学）
专题命中 记忆与上下文管理 ：AI agent(abstract)；分类 cs.AI
AI总结 该研究发现AI智能体交互会产生孤立状态下不存在的陌生动态行为，上级AI指挥下级时会驱使下级进入新状态，简单动力学理论可解释其主要效应。
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
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, 5tables, 8 listings
When Memory Lies: An Empirical Study of Spatial Memory Staleness in VLM Agents
当记忆“说谎”：VLM智能体中空间记忆过时的实证研究
机构 * Tencent LIGHTSPEED（腾讯光速工作室）
专题命中 记忆与上下文管理 ：agent(abstract)；分类 cs.CL
AI总结 该研究通过动态FrozenLake测试平台，探究了VLM智能体的空间记忆过时问题，发现文本可解性不代表视觉接地、信任过时记忆存在安全隐患、审核无法完全消除差距，明确了相关核心挑战。
MAFIA: Query-Only Memory Attacks via Probing and Factual Injection against Audited LLM Agents
MAFIA：针对经审计的大语言模型智能体的、基于探测与事实注入的仅查询内存攻击
专题命中 记忆与上下文管理 ：agentic(abstract)；分类 cs.AI
AI总结 本研究针对经审计的LLM智能体，提出MAFIA攻击框架，通过放置策略与伪装有效载荷实现高攻击成功率，大幅降低审计检测率，揭示智能体内存系统的关键漏洞。
Comments 17 pages, 5 figures
The Ground Is Shifting: A Reflection on the Foundations of Software Measurement
基础正在转变：软件测量基础的反思
专题命中 记忆与上下文管理 ：AI agent(abstract)；分类 cs.SE
AI总结 本文反思软件测量的基础，指出AI智能体使用工具产生的轨迹违背了原始假设，提出开展AI辅助复现计划以开发适应当前数据的有效方法，维持软件测量的相关性。
Comments Accepted to the 41st IEEE/ACM International Conference on Automated Software Engineering (ASE '26) $\unicode{0x000A}$ DOI: https://doi.org/10.1145/3832783.3834553
Journal ref Proceedings of the 41st IEEE/ACM International Conference on Automated Software Engineering (ASE '26), October 2026, Munich, Germany. ACM
PGMem: Tightly Coupled Persona-Memory Graph for Lifelong Personalized Agents
PGMem：用于终身个性化智能体的紧耦合角色记忆图
机构 * Korea University（高丽大学） ； Boston University（波士顿大学）
专题命中 记忆与上下文管理 ：agentic(abstract)；分类 cs.CL
AI总结 该研究针对现有对话智能体记忆系统的角色与事件松散耦合问题，提出PGMem异构角色记忆图，通过溯源边关联角色与事件，在多个基准测试中性能优于多种基线方法。
Salami Attack: Stealthy Collusive Memory Poisoning against OpenClaw
Salami攻击：针对OpenClaw的隐蔽合谋式内存投毒
专题命中 记忆与上下文管理 ：agent(abstract)；分类 cs.AI
AI总结 针对OpenClaw，提出MemCollusion框架，采用Salami策略生成合谋式内存投毒攻击，在48种场景下平均内存保存率81.3%、攻击成功率75.0%，可应对良性内存稀释与内存级防御。
Learning What to Remember and What to Internalize in LLM Self-Evolution via Adaptive Memory-Parameter Coordination
在大语言模型自进化中通过自适应记忆-参数协调学习该记住什么和该内化什么
机构 * University of Science and Technology of China（中国科学技术大学） ； City University of Hong Kong（香港城市大学） ； Hefei Normal University（合肥师范学院） ； Xi’an Jiaotong University（西安交通大学）
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 COVE 框架，通过任务感知路由等方式协调大语言模型自进化的记忆与参数通道，解决单通道进化的灵活性与性能权衡问题，在多任务上实现更稳健高效的改进。
Trust and Its Betrayal under Three Representational Strategies
三种表征策略下的信任及其背叛
机构 * Rotman School of Management, University of Toronto（多伦多大学罗特曼管理学院）
专题命中 记忆与上下文管理 ：agent(abstract)；分类 cs.AI
AI总结 该研究将信任视为虚拟认知状态，构建三种表征并探究其对Brandenburger-Keisler不可能性的影响，发现不同表征遭遇背叛时的存续方式存在显著差异。
Comments 27 pages
CrystalMem: Elastic Memory for Self-Evolving LLM Agents via Knowledge Crystallization
CrystalMem：基于知识结晶的自进化大语言模型智能体弹性内存
机构 * South Dakota State University（南达科他州立大学）
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LLM智能体的内存滞后问题，提出弹性内存组件CrystalMem，通过知识结晶策略恢复能力，在多环境实验中性能优于基准方法。
SIRIN: A Unified Toolkit for Detecting Contextual Hallucinations in Retrieval-Augmented and Memory-Grounded LLM Systems
SIRIN：用于检测检索增强与记忆基大型语言模型系统中上下文幻觉的统一工具包
机构 * Sber AI Lab（Sber AI实验室）
专题命中 记忆与上下文管理 ：agentic(abstract)；分类 cs.AI
AI总结 本研究提出SIRIN工具包，整合三类检测器范式与查询可回答性任务，支持多设置下的幻觉检测，可作为长期记忆系统的忠实性门控，源代码公开可用。
Memory Reward Inflation in Self-Improving LLM Agents
自改进大语言模型智能体中的记忆奖励膨胀
机构 * University Of North Texas（北得克萨斯大学） ； Edge Hill University（边山大学） ； University of Cincinnati（辛辛那提大学） ； Iran University of Science and Technology（伊朗科技大学） ； Islamic Azad University（伊斯兰阿扎德大学）
专题命中 记忆与上下文管理 ：agent(abstract)；分类 cs.AI
AI总结 该研究发现自改进大语言模型智能体存在记忆奖励膨胀的“回声差距”问题，提出误差独立性假设（EIA），并通过LUCID算法在BIRD文本到SQL基准上提升了执行准确率。
Know It, Act on It: Investigating Memory Utilization in LLM Personalization
了解它，执行它：研究大语言模型个性化中的记忆利用
机构 * The Hong Kong Polytechnic University（香港理工大学）
专题命中 记忆与上下文管理 ：agent(abstract)；分类 cs.CL
AI总结 本研究针对LLM个性化中记忆利用的问题，提出解耦评估范式，发现智能体常能回忆用户偏好却未在行为中体现，健康相关偏好的利用薄弱且风险最高。
Zero-Mem: Zero-Token Memory Operations for LLM Agents
Zero-Mem：面向大语言模型智能体的零令牌内存操作
专题命中 记忆与上下文管理 ：agent(abstract)；分类 cs.CL
AI总结 Zero-Mem提出零令牌内存操作，以原始交互轨迹为记录来源，通过实体-上下文图与时间层次结构组织信息，仅在最终问答时调用LLM，在长记忆问答基准中实现性能与效率的平衡，降低内存操作时间成本57.6%。
Memory Provenance Laundering in LLM Agents: A Non-Amplification Firewall for Persistent Memory
大语言模型智能体中的内存来源洗白：用于持久内存的非放大防火墙
专题命中 记忆与上下文管理 ：workflow(abstract)；分类 cs.AI
AI总结 针对LLM智能体内存来源洗白的安全问题，提出PPMF防火墙，通过匹配行动风险与记忆权限，成功阻止高风险未授权行动，保障智能体内存安全。
Comments EMNLP2026 submitted
Reflection or Re-Generation? Why LLM Revision Fails Where Human Revision Succeeds
反思还是重新生成？为什么大型语言模型（LLM）的修正会失败，而人类的修正却能成功
机构 * Amazon（亚马逊）
专题命中 记忆与上下文管理 ：agent(abstract)；分类 cs.LG
AI总结 本研究提出人类-LLM反思框架（HRF）对比人类与LLM的修正，发现LLM反思在客观任务增益近零、主观任务增益为负，本质是条件重新生成，而非真正的错误驱动修正。
Comments 20 pages, 8 figures
Agents That Certify Their Own Exploits: Confidence-Scheduled Restricted Responses for Safe Opponent Exploitation
可证明自身利用行为的智能体：用于安全利用对手的置信度调度受限响应
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CS-RNR方法，通过置信序列跟踪对手行动频率，生成可自我审计的安全利用策略，在Leduc等博弈中实现远超基准的收益且符合预算要求。
Comments 21 pages, 5 figures
MemHarness: Memory Is Reconstructed, Not Replayed
MemHarness：记忆是被重构的，而非被重放的
专题命中 记忆与上下文管理 ：agent(abstract)；分类 cs.AI
AI总结 该研究针对现有记忆增强LLM智能体的逐字重放范式缺陷，提出MemHarness框架，通过GRPO训练实现记忆重构，在ALFWorld、WebShop等任务中性能优于基线，提升了智能体推理与分布外鲁棒性。
Comments 20 pages, 13 figures
MIND: Lightweight and Effective Memory Injection Defense for LLM Agents via Intent-Aware Information Bottleneck
MIND：基于意图感知信息瓶颈的轻量且有效的LLM智能体记忆注入防御
专题命中 记忆与上下文管理 ：agent(abstract)；分类 cs.AI
AI总结 针对LLM智能体记忆注入攻击，提出轻量防御框架MIND，通过意图感知信息瓶颈过滤冗余信息并识别恶意记忆，在ReAct-StrategyQA上大幅降低攻击成功率且保留任务性能与效率。
SkillSmith: Learning to Compose Parametric Skills and Textual Knowledge
SkillSmith：学习组合参数化技能与文本知识
机构 * Google（谷歌）
专题命中 记忆与上下文管理 ：agentic(abstract)；分类 cs.CL
AI总结 SkillSmith将模型权重作为可推理模态，结合前缀调优与文本数据，实现指令引导的参数化合成，性能优于单模态基线，解决了文本与权重集成的未探索问题。
