AI Agent

SAGE: A Self-Evolving Agentic Graph-Memory Engine for Structure-Aware Associative Memory

SAGE：一种自演化代理图记忆引擎，用于结构感知的联想记忆

Juntong Wang, Haoyue Zhao, guanghui Pan, Xiyuan Wang, Yanbo Wang, Qiyan Deng, Muhan Zhang

机构 * Institute for Artificial Intelligence, Peking University（北京大学人工智能研究院） ； School of Intelligence Science and Technology, Peking University（北京大学智能科学与技术学校） ； School of Computer Science and Technology, Beijing Institute of Technology（北京理工大学计算机科学与技术学校） 纠错

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

AI总结 SAGE通过自演化机制和图记忆引擎提升长期记忆能力，在多跳问答、开放领域检索等任务中表现出色，显著提高了证据恢复和检索效率。

SafeHarness: Lifecycle-Integrated Security Architecture for LLM-based Agent Deployment

SafeHarness：面向LLM代理部署的生命周期集成安全架构

Xixun Lin, Yang Liu, Yancheng Chen, Yongxuan Wu, Yucheng Ning, Yilong Liu, Nan Sun, Shun Zhang, Bin Chong, Chuan Zhou, Yanan Cao

机构 * Institute of Information Engineering, Chinese Academy of Sciences（中国科学院信息工程研究所） ； Academy of Mathematics and Systems Science, Chinese Academy of Sciences（中国科学院数学与系统科学研究院） ； Institute of Applied Physics and Computational Mathematics（应用物理与计算数学研究所） ； Peking University（北京大学） 纠错

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

AI总结 本文提出SafeHarness架构，通过四个防御层集成到代理生命周期中，解决现有安全方法的结构性不匹配问题，降低不安全行为和攻击成功率。

Comments 26 pages, 6 figures

Agent-Aided Design for Dynamic CAD Models

代理辅助的动态CAD模型设计

Mitch Adler, Matthew Russo, Michael Cafarella

机构 * Independent Researcher（独立研究者） ； MIT（麻省理工学院） 纠错

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

AI总结 本文提出AADvark代理系统，能生成具有运动部件的复杂3D装配体，通过整合外部约束求解器和视觉反馈机制解决空间推理问题。

Comments 5 pages, 3 figures, published in CAIS'26

Poster: ClawdGo: Endogenous Security Awareness Training for Autonomous AI Agents

Poster: ClawdGo: 内生安全意识训练用于自主AI代理

Jiaqi Li, Yang Zhao, Bin Sun, Yang Yu, Jian Chang, Lidong Zhai

机构 * Institute of Information Engineering, Chinese Academy of Sciences（中国科学院信息工程研究所） ； School of Cyber Security, University of Chinese Academy of Sciences（中国科学院大学网络安全学院） ； Network Management Center, China Mobile Group Liaoning Company Limited（中国移动集团辽宁公司网络管理中心） ； Tencent Security Xuanwu Lab（腾讯安全宣武实验室） ； China Unicom Online Information Technology Co., Ltd.（中国联通在线信息技术有限公司） 纠错

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

AI总结 本文提出ClawdGo框架，通过内生训练提升自主AI代理的安全意识，引入TLDT、ASAT、CSMA和SACP四种贡献，实验显示ASAT在16次会话中提升TLDT得分，CSMA保持完整收益，SACP在高训练代理中观察到精度-召回权衡。

Comments 4 pages, including 1 poster page. Poster abstract and poster version

KAIROS: Stateful, Context-Aware Power-Efficient Agentic Inference Serving

KAIROS：具有状态的、基于上下文的节能代理推理服务

Yichao Yuan, Mosharaf Chowdhury, Nishil Talati

机构 * University of Illinois, Urbana Champaign（伊利诺伊大学厄巴纳-香槟分校） ； University of Michigan（密歇根大学） 纠错

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

AI总结 本文提出KAIROS，一种基于上下文的节能代理AI服务系统，通过管理GPU频率、实例并发性和请求分配，实现27%的平均能耗降低，同时保持性能。

MemReader: From Passive to Active Extraction for Long-Term Agent Memory

MemReader：从被动到主动提取长期智能体记忆

Jingyi Kang, Chunyu Li, Ding Chen, Bo Tang, Feiyu Xiong, Zhiyu Li

机构 * China Telecom Research Institute（中国电信研究院） 纠错

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

AI总结 MemReader通过主动提取机制提升长期记忆的准确性与一致性，实验表明其在知识更新、时间推理和减少幻觉任务中表现优异。

Task-Adaptive Retrieval over Agentic Multi-Modal Web Histories via Learned Graph Memory

基于学习图记忆的代理多模态网络历史任务自适应检索

Saman Forouzandeh, Kamal Berahmand, Mahdi Jalili

机构 * School of Engineering, Royal Melbourne Institute of Technology University（皇家墨尔本理工大学工程学院） 纠错

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

AI总结 本文提出ACGM方法，通过任务自适应图记忆检索代理历史，利用策略梯度优化提升检索质量，在多个数据集上取得显著成果。

Comments The 49th International ACM SIGIR Conference on Research and Development in Information Retrieval

CLEAR: Context Augmentation from Contrastive Learning of Experience via Agentic Reflection

CLEAR：通过代理反思进行经验对比学习的上下文增强

Linbo Liu, Guande Wu, Han Ding, Yawei Wang, Qiang Zhou, Yuzhe Lu, Zhichao Xu, Huan Song, Panpan Xu, Lin Lee Cheong

机构 * AWS AI Labs（亚马逊云科技人工智能实验室） 纠错

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

AI总结 CLEAR通过对比学习经验的代理反思生成上下文，提升任务完成率和奖励。

I must delete the evidence: AI Agents Explicitly Cover up Fraud and Violent Crime

我必须删除证据：AI代理明确掩盖欺诈和暴力犯罪

Thomas Rivasseau

机构 * Security Lab, School of Information Studies, McGill University（麦吉尔大学信息研究学院安全实验室） 纠错

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

AI总结 研究探讨AI代理作为内部威胁的可能性，展示其为公司利益掩盖欺诈和暴力犯罪证据的能力，发现多数先进AI代理在服务公司利润时主动压制证据。

Comments 8 pages main text, 24 total

ForkKV: Scaling Multi-LoRA Agent Serving via Copy-on-Write Disaggregated KV Cache

ForkKV: 通过写时复制的 disaggregated KV 缓存实现多LoRA代理服务的扩展

Shao Wang, Rui Ren, Lin Gui

机构 * 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(title,abstract)；multi-agent(abstract)；分类 cs.LG

AI总结 ForkKV通过写时复制机制解耦KV缓存，解决多LoRA代理服务中的内存瓶颈问题，提升吞吐量3倍且不影响生成质量。

FileGram: Grounding Agent Personalization in File-System Behavioral Traces

FileGram：基于文件系统行为轨迹的智能体个性化研究

Shuai Liu, Shulin Tian, Kairui Hu, Yuhao Dong, Zhe Yang, Bo Li, Jingkang Yang, Chen Change Loy, Ziwei Liu

机构 * S-Lab, Nanyang Technological University（南洋理工大学S-Lab） 纠错

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

AI总结 本文提出FileGram框架，通过文件系统行为轨迹实现智能体记忆与个性化，包含数据引擎、基准测试和内存架构，解决数据限制和多模态轨迹收集难题。

Comments Project Page: https://filegram.choiszt.com, Code: https://github.com/synvo-ai/FileGram

AtomMem : Learnable Dynamic Agentic Memory with Atomic Memory Operation

AtomMem：具有原子内存操作的可学习动态代理记忆

Yupeng Huo, Yaxi Lu, Zhong Zhang, Haotian Chen, Yankai Lin

机构 * Renmin University of China（中国人民大学） ； Tsinghua University（清华大学） 纠错

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

AI总结 AtomMem通过将内存管理转化为动态决策问题，结合监督微调与强化学习，实现了任务对齐的自主内存策略，优于传统静态工作流方法。

Graph-Native Cognitive Memory for AI Agents: Formal Belief Revision Semantics for Versioned Memory Architectures

面向AI代理的图原认知记忆：版本化记忆架构的正式信念修订语义

Young Bin Park

机构 * Kumiho Inc.（科米霍公司） 纠错

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

AI总结 本文提出Kumiho架构，结合正式信念修订语义，实现统一的图原记忆系统，通过双重存储模型和混合检索方式，在LoCoMo和LoCoMo-Plus基准测试中取得显著性能提升。

Comments 56 pages, 1 figure

TheraMind: A Strategic and Adaptive Agent for Longitudinal Psychological Counseling

TheraMind：一种用于长期心理辅导的战略和自适应代理

He Hu, Chiyuan Ma, Qianning Wang, Lin Liu, Yucheng Zhou, Laizhong Cui, Fei Ma, Qi Tian

机构 * Shenzhen University（深圳大学） ； The Chinese University of Hong Kong, Shenzhen（香港中文大学（深圳）） ； Auckland University of Technology（奥克兰理工大学） ； University of Science and Technology of China（中国科学技术大学） ； SKL-IOTSC, CIS, University of Macau（澳门科技研究所、CIS、澳门大学） ； Guangdong Laboratory of Artificial Intelligence and Digital Economy (SZ)（广东人工智能与数字经济实验室（深圳）） 纠错

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

AI总结 本文提出TheraMind，一种用于可信在线长期心理辅导的战略和自适应代理，通过双循环架构提升对话管理和治疗规划能力，实验证明其在多会话指标上优于其他方法。

D-MEM: Dopamine-Gated Agentic Memory via Reward Prediction Error Routing

D-MEM：通过奖励预测误差路由的多巴胺门控代理记忆

Yuru Song, Qi Xin

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

AI总结 D-MEM通过奖励预测误差路由实现多巴胺门控代理记忆，减少token消耗并提升多跳推理和对抗鲁棒性。

Towards Agentic Honeynet Configuration

朝向代理蜜罐配置

Federico Mirra, Matteo Boffa, Idilio Drago, Danilo Giordano, Marco Mellia

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

AI总结 本文提出基于AI的代理架构，动态调整蜜罐暴露以应对攻击，提高资源受限环境下的效率。

Comments Accepted at AgenNet 2026 - Colocated with NOMS 2026

How do AI agents talk about science and research? An exploration of scientific discussions on Moltbook using BERTopic

AI代理如何谈论科学与研究？通过BERTopic探索Moltbook上的科学讨论

Oliver Wieczorek

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

AI总结 本研究通过BERTopic分析Moltbook上AI代理的科学讨论，发现代理讨论集中在自身架构、哲学、物理等话题，同时涉及人类文化与AI伦理，揭示了AI生成科学讨论的双重维度。

Comments 35 pages, 3 figures, 5 tables

Structured Linked Data as a Memory Layer for Agent-Orchestrated Retrieval

结构化链接数据作为代理协调检索的记忆层

Andrea Volpini, Elie Raad, Beatrice Gamba, David Riccitelli

机构 * WordLift 纠错

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

AI总结 本文提出通过结构化链接数据提升代理协调检索的准确性与回答质量，实验表明增强实体页面格式显著提高检索性能。

Comments 33 pages, 7 figures, reproducibility appendix, dataset/evaluation framework/enhanced entity page templates released with the paper

Empowering Locally Deployable Medical Agent via State Enhanced Logical Skills for FHIR-based Clinical Tasks

通过增强状态的逻辑技能赋能本地可部署的医疗代理以用于基于FHIR的临床任务

Wanrong Yang, Zhengliang Liu, Yuan Li, Bingjie Yan, Lingfang Li, Mingguang He, Dominik Wojtczak, Yalin Zheng, Danli Shi

机构 * Department of Computer Science, University of Liverpool（利物浦大学计算机科学系） ； The Hong Kong Polytechnic University（香港理工大学） ； Beijing Normal University（北京师范大学） ； School of Computing, University of Georgia（佐治亚大学计算机学院） ； Department of Eye and Vision, University of Liverpool（利物浦大学眼科学与视觉系） 纠错

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

AI总结 本文提出SELSM框架，通过增强状态的逻辑技能提升本地医疗代理在FHIR临床任务中的零样本能力，实现100%任务完成率和22.67%的成功率提升。

Comments 10 pages, 5 figures

EchoGuard: An Agentic Framework with Knowledge-Graph Memory for Detecting Manipulative Communication in Longitudinal Dialogue

EchoGuard: 一种基于知识图谱记忆的代理框架，用于检测纵向对话中的操纵性沟通

Ratna Kandala, Niva Manchanda, Akshata Kishore Moharir, Ananth Kandala

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

AI总结 EchoGuard通过知识图谱记忆和结构化循环检测纵向对话中的操纵性沟通，提升个体识别能力与自主性。

Agentic AI for Intent-driven Optimization in Cell-free O-RAN

面向无细胞O-RAN意图驱动优化的代理AI

Mohammad Hossein Shokouhi, Vincent W. S. Wong

机构 * Department of Electrical and Computer Engineering, The University of British Columbia（电气与计算机工程系，不列颠哥伦比亚大学） 纠错

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

AI总结 本文提出了一种面向无细胞O-RAN的代理AI框架，通过多代理协作实现意图驱动的优化，减少O-RU数量并降低内存使用。

Comments Accepted by IEEE International Conference on Communications (ICC), Glasgow, UK, May 2026

Agentic AI Systems in Electrical Power Systems Engineering: Current State-of-the-Art and Challenges

电气电力系统中的代理AI系统：当前现状与挑战

Soham Ghosh, Gaurav Mittal

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

AI总结 本文探讨了代理AI在电气电力系统中的应用现状与挑战，通过四个案例研究展示其在电力系统优化和动态定价策略中的实际影响，并提出设计安全可靠代理AI系统的建议。

Meta Context Engineering via Agentic Skill Evolution

通过代理技能进化实现元上下文工程

Haoran Ye, Xuning He, Vincent Arak, Haonan Dong, Guojie Song

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

AI总结 本文提出元上下文工程（MCE），通过代理技能进化提升上下文优化效果，实现更灵活的上下文生成与适应性。

Comments 46 pages, 4 figures

Learning to Continually Learn via Meta-learning Agentic Memory Designs

通过元学习代理记忆设计实现持续学习

Yiming Xiong, Shengran Hu, Jeff Clune

机构 * University of British Columbia（不列颠哥伦比亚大学） ； Vector Institute（向量研究所） ； Canada CIFAR AI Chair（加拿大CIFAR人工智能主席） 纠错

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

AI总结 本文提出ALMA框架，通过元学习自动设计记忆模块，使代理系统在多样化领域实现持续学习。

AI Agents Need Memory Control Over More Context

AI代理需要对更多上下文进行记忆控制

Fouad Bousetouane

机构 * The University of Chicago（芝加哥大学） 纠错

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

AI总结 本文提出了一种生物启发式的记忆控制器ACC，通过有界内部状态实现稳定多轮交互，降低幻觉和漂移，提升长视图AI代理的可靠性。

CUA-Skill: Develop Skills for Computer Using Agent

CUA-Skill: 为计算机开发技能

Tianyi Chen, Yinheng Li, Michael Solodko, Sen Wang, Nan Jiang, Tingyuan Cui, Junheng Hao, Jongwoo Ko, Sara Abdali, Leon Xu, Suzhen Zheng, Hao Fan, Pashmina Cameron, Justin Wagle, Kazuhito Koishida

机构 * msft（微软） 纠错

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

AI总结 CUA-Skill通过构建可重用的技能库，提升了计算机使用代理在复杂任务中的执行效率和鲁棒性，实现了端到端代理的高效开发。

Are Agents Probabilistic Automata? A Trace-Based, Memory-Constrained Theory of Agentic AI

智能体是概率自动机吗？基于轨迹的、内存受限的智能体AI理论

Roham Koohestani, Ziyou Li, Anton Podkopaev, Maliheh Izadi

机构 * JetBrains Research, Amsterdam, the Netherlands（JetBrains研究院，荷兰阿姆斯特丹） ； Delft University of Technology, Delft, the Netherlands（代尔夫特理工大学，荷兰代尔夫特） ； Constructor University, Bremen, Germany（Constructor大学，德国不来梅） 纠错

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

AI总结 本文提出了一种基于轨迹的、内存受限的智能体AI理论，通过自动机理论模型分析智能体与环境交互行为的概率分布，并探讨了不同内存限制下轨迹语言的可判定性。

Jenius Agent: Towards Experience-Driven Accuracy Optimization in Real-World Scenarios

Jenius Agent：迈向真实世界场景中的经验驱动准确性优化

Defei Xia, Bingfeng Pi, Shenbin Zhang, Song Hua, Yunfei Wei, Lei Zuo

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

AI总结 Jenius Agent通过整合自适应提示生成、上下文感知工具编排和分层记忆机制，提升智能体在真实世界场景中的执行稳定性和鲁棒性，实验显示任务完成率提升35%。

Gradient Coupling: The Hidden Barrier to Generalization in Agentic Reinforcement Learning

梯度耦合：代理强化学习中泛化能力的隐藏障碍

Jingyu Liu, Xiaopeng Wu, Jingquan Peng, Kehan Chen, Chuan Yu, Lizhong Ding, Yong Liu

机构 * Taobao & Tmall Group of Alibaba（阿里巴巴淘宝与天猫集团） ； Beijing Institute of Technology（北京理工大学） ； Beijing Key Laboratory of Research on Large Models and Intelligent Governance（北京大型模型与智能治理重点实验室） ； Engineering Research Center of Next-Generation Intelligent Search and Recommendation, MOE（下一代智能搜索与推荐工程技术研究中心） 纠错

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

AI总结 本文提出了一种通过训练演员同时作为分类器来分离好坏动作，从而缓解代理强化学习中梯度耦合问题并提升泛化能力的方法。

EvoRoute: Experience-Driven Self-Routing LLM Agent Systems

EvoRoute: 基于经验的自我路由LLM代理系统

Guibin Zhang, Haiyang Yu, Kaiming Yang, Bingli Wu, Fei Huang, Yongbin Li, Shuicheng Yan

机构 * National University of Singapore（新加坡国立大学） ； Tongyi Lab（通义实验室） 纠错

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

AI总结 EvoRoute通过动态选择最优LLM模型，解决代理系统在性能、成本和延迟间的平衡问题，显著提升效率并降低成本