语言大模型 / LLM

UltraEdit: Training-, Subject-, and Memory-Free Lifelong Editing in Language Models

UltraEdit: 无训练、无主题、无内存的语言模型终身编辑

Xiaojie Gu, Ziying Huang, Jia-Chen Gu, Kai Zhang

专题命中 长上下文与记忆 ：language model(title,abstract)；LLM(abstract)；large language model(abstract)；分类 cs.CL、cs.AI、cs.LG

AI总结 UltraEdit通过无训练、无主题、无内存的方法实现高效语言模型终身编辑，速度快7倍且内存占用低4倍，支持大规模编辑任务。

Comments TMLR 2026

TA-Mem: Tool-Augmented Autonomous Memory Retrieval for LLM in Long-Term Conversational QA

TA-Mem: 用于LLM长期对话问答的工具增强自主记忆检索

Mengwei Yuan, Jianan Liu, Jing Yang, Xianyou Li, Weiran Yan, Yichao Wu, Penghao Liang

专题命中 长上下文与记忆 ：LLM(title,abstract)；large language model(abstract)；language model(abstract)；分类 cs.CL

AI总结 TA-Mem通过引入工具增强的自主记忆检索框架，解决了LLM在长距离推理任务中的记忆存储问题，提升了长期对话问答的性能。

The Missing Memory Hierarchy: Demand Paging for LLM Context Windows

缺失的记忆层次：为LLM上下文窗口的需求分页

Tony Mason

机构 * University of British Columbia（不列颠哥伦比亚大学） ； Georgia Institute of Technology（佐治亚理工学院） 纠错

专题命中 长上下文与记忆 ：LLM(title,abstract)；large language model(abstract)；language model(abstract)；分类 cs.AI

AI总结 Pichay通过需求分页技术减少LLM上下文消耗，提升内存使用效率。

Evoking User Memory: Personalizing LLM via Recollection-Familiarity Adaptive Retrieval

唤起用户记忆：通过回忆-熟悉度适应检索个性化LLM

Yingyi Zhang, Junyi Li, Wenlin Zhang, Penyue Jia, Xianneng Li, Yichao Wang, Derong Xu, Yi Wen, Huifeng Guo, Yong Liu, Xiangyu Zhao

专题命中 长上下文与记忆 ：LLM(title,abstract)；large language model(abstract)；language model(abstract)

AI总结 RF-Mem通过双路径记忆检索实现个性化LLM，结合回忆与熟悉度机制提升记忆检索效率和准确性。

Comments Accepted by ICLR 2026

Arbiter: Detecting Interference in LLM Agent System Prompts

Arbiter：检测LLM代理系统提示中的干扰

Tony Mason

机构 * the University of British Columbia（不列颠哥伦比亚大学） ； the Georgia Institute of Technology（佐治亚理工学院） 纠错

专题命中 长上下文与记忆 ：LLM(title,abstract)；分类 cs.AI

AI总结 Arbiter通过结合形式评估规则和多模型LLM扫描，检测LLM代理系统提示中的干扰模式，发现152个问题并揭示漏洞类别差异。

Turn: A Language for Agentic Computation

Turn：一种用于代理计算的语言

Muyukani Kizito

机构 * Turn Lang（Turn语言） ； Prescott Data（Prescott数据） 纠错

专题命中 长上下文与记忆 ：LLM(abstract)；large language model(abstract)；language model(abstract)；分类 cs.AI

AI总结 Turn是一种用于代理计算的编译型语言，通过类型安全、能力身份系统和编译时模式吸收等机制，实现对大型语言模型推断的可靠控制和安全管理。

ARKV: Adaptive and Resource-Efficient KV Cache Management under Limited Memory Budget for Long-Context Inference in LLMs

ARKV：在有限内存预算下为LLMs长上下文推理实现自适应和资源高效的KV缓存管理

Jianlong Lei, Shashikant Ilager

专题命中 长上下文与记忆 ：LLM(abstract)；large language model(abstract)；language model(abstract)；分类 cs.AI

AI总结 ARKV通过动态分配精度级别，实现LLMs长上下文推理中的高效内存管理，减少内存使用并保持高精度。

Comments Accepted in ACM/IEEE CCGRID 2025 conference

A Tale of 1001 LoC: Potential Runtime Error-Guided Specification Synthesis for Verifying Large-Scale Programs

1001行代码的故事：潜在运行时错误引导的规范合成用于验证大规模程序

Zhongyi Wang, Tengjie Lin, Mingshuai Chen, Haokun Li, Mingqi Yang, Xiao Yi, Shengchao Qin, Yixing Luo, Xiaofeng Li, Bin Gu, Liqiang Lu, Jianwei Yin

专题命中 长上下文与记忆 ：LLM(abstract)；large language model(abstract)；language model(abstract)

AI总结 Preguss通过结合静态分析与演绎验证，实现大规模程序的自动化形式化验证，显著提升验证效率。

Comments Accepted at OOPSLA 2026. Publication date: April 2026

Omni-Masked Gradient Descent: Memory-Efficient Optimization via Mask Traversal with Improved Convergence

全方位遮蔽梯度下降：通过遮蔽遍历实现内存高效的优化

Hui Yang, Tao Ren, Jinyang Jiang, Wan Tian, Yijie Peng

专题命中 长上下文与记忆 ：large language model(abstract)；language model(abstract)；分类 cs.LG

AI总结 Omni-Masked Gradient Descent通过遮蔽遍历实现内存高效的优化，提供非凸情况下改进的收敛分析和更优的迭代复杂度。

Chow-Liu Ordering for Long-Context Reasoning in Chain-of-Agents

Chow-Liu 排序用于链式代理中的长上下文推理

Naman Gupta, Vaibhav Singh, Arun Iyer, Kirankumar Shiragur, Pratham Grover, Ramakrishna B. Bairi, Ritabrata Maiti, Sankarshan Damle, Shachee Mishra Gupta, Rishikesh Maurya, Vageesh D. C

机构 * Microsoft（微软） 纠错

专题命中 长上下文与记忆 ：LLM(abstract)；分类 cs.CL

AI总结 本文利用Chow-Liu树学习依赖结构，通过广度优先遍历优化块顺序，减少信息损失并提升长上下文推理的准确率。

Comments Published as a workshop paper at ICLR 2026 Workshop MemAgents

AutoAgent: Evolving Cognition and Elastic Memory Orchestration for Adaptive Agents

AutoAgent：为自适应智能体演化认知与弹性记忆编排

Xiaoxing Wang, Ning Liao, Shikun Wei, Chen Tang, Feiyu Xiong

机构 * MemTensor (Shanghai) Technology Co., Ltd.（MemTensor（上海）科技有限公司） ； Shanghai Jiao Tong University（上海交通大学） ； Institute for Advanced Algorithms Research, Shanghai（上海先进算法研究所） 纠错

专题命中 长上下文与记忆 ：LLM(abstract)；分类 cs.AI

AI总结 AutoAgent通过自我进化多智能体框架，实现动态认知演化与弹性记忆编排，提升智能体在动态环境中的适应性和任务执行效率。

Understanding the Interplay between LLMs' Utilisation of Parametric and Contextual Knowledge: A keynote at ECIR 2025

理解大型语言模型对参数知识和上下文知识的相互作用：ECIR 2025 keynote

Isabelle Augenstein

专题命中 长上下文与记忆 ：language model(abstract)；分类 cs.CL

AI总结 本文探讨大型语言模型在参数知识与上下文知识之间相互作用的重要性，通过评估知识、诊断冲突及分析上下文知识特征，揭示模型内部工作机制及知识更新挑战。

Journal ref ACM SIGIR Forum, Volume 59, Issue 2, March 2026