Towards an Agent Operating System - Lessons from Classical and Cloud OS
迈向智能体操作系统——从经典操作系统和云操作系统中汲取的经验教训
专题命中 长上下文与记忆 ：LLM(abstract)；分类 cs.AI
AI总结 智能体人工智能系统处于发展试验阶段，缺乏核心抽象概念共识。研究提出借鉴经典和云操作系统发展路径，扩展原语推导新智能体抽象概念，精确指定语义并整合，以推动该领域发展。
AI 大模型
语言大模型 / LLM
大语言模型、预训练、指令微调、后训练和语言模型应用。
1. 长上下文与记忆 4789 篇
MemTX: Transactional Belief Commit for Stateful Agent Memory
MemTX：用于有状态智能体内存的事务性信念提交
专题命中 长上下文与记忆 ：LLM(abstract)；分类 cs.AI
AI总结 研究针对大语言模型智能体通过共享内存协调时内存写入问题，提出事务性信念提交协议MemTX，通过携带多种信息、在事务中暂存写入等方式，经机器检查确保不变量，在多主干上领先基线且无下游危害。
Comments Preprint
LazyMem: Retrieve Broadly, Construct Selectively for Efficient Long-Term Agent Memory
LazyMem：广泛检索，按需构建以实现高效长期智能体记忆
机构 * School of Data Science and Engineering, East China Normal University（数据科学与工程学院，华东师范大学）
专题命中 长上下文与记忆 ：LLM(abstract)；分类 cs.AI
AI总结 研究针对大语言模型智能体长期记忆中原始对话历史的问题，提出LazyMem方法，将记忆构建推迟到查询时，通过轻量级模型处理候选池，经特定训练方式，在基准测试中取得高准确率，减少记忆令牌数和延迟。
Comments 29 pages, under review
Eviction as Estimation: A Fixed-Lag Smoothing View of Test-Time Memory, and When Measuring Beats Accumulating
作为估计的逐出：测试时内存的固定延迟平滑视图，以及测量何时胜过累积
机构 * University of North Carolina at Chapel Hill（北卡罗来纳大学教堂山分校） ； New York University（纽约大学）
专题命中 长上下文与记忆 ：language model(abstract)；分类 cs.AI
AI总结 研究语言模型内存管理，将存储项保留决策转化为对项目是否被重用的估计问题，提出固定延迟平滑策略RMM。在受控设置中有优势，在第三方基准测试中表现一般，贡献了框架及测量与累积效果对比的映射。
Comments 8 pages, 3 figures, 3 tables
MEMOIR: Temporal Behavioral Memory for Recommendation Across the Preference-Drift Spectrum
MEMOIR：偏好漂移谱上推荐的时间行为记忆
专题命中 长上下文与记忆 ：LLM(abstract)；分类 cs.CL
AI总结 研究提出MEMOIR框架用于推荐，将用户交互历史按时间窗口分割，用语言模型生成记忆并聚合为用户表示。在亚马逊评论数据上实验，与UniSRec对比，发现其在不同偏好漂移程度用户中有不同表现，此漂移分层模式是主要贡献。
Comments 6 pages, 2 figures
ACM: Agentic Context Management for Long Horizon Tasks
ACM：长期任务的智能体上下文管理
机构 * Carnegie Mellon University（卡内基梅隆大学） ； Meta
专题命中 长上下文与记忆 ：post-training(abstract)；分类 cs.AI
AI总结 研究长期智能体任务上下文管理问题，提出ACM框架，受人类记忆启发让智能体自主管理上下文，还开发训练后管道，能提升模型在相关任务上的性能，有效管理上下文可降低压力、实现扩展探索并产生更一致方案。
Persistent Computational State: A Session-Centric Runtime for Generative World Models
持久计算状态：用于生成式世界模型的以会话为中心的运行时
专题命中 长上下文与记忆 ：LLM(abstract)；分类 cs.AI
AI总结 研究发现当前视频世界模型用作模拟器失败的归因不完整，定义了持久计算状态（PCS），构建以会话为中心的运行时，通过测量发现PCS，实现低检查点和恢复成本以及新的内存管理方式。
Comments 29 pages, 8 figures, 10 tables
AgentKVShift: Efficient KV Cache Reuse for Agentic Memory Systems
AgentKVShift：用于智能体记忆系统的高效KV缓存重用
机构 * University of California, San Diego（加利福尼亚大学圣地亚哥分校）
专题命中 长上下文与记忆 ：LLM(abstract)；分类 cs.AI
AI总结 研究针对内存增强语言模型智能体推理成本高的问题，提出无训练、探针引导的AgentKVShift方法，通过估计内存级偏移量校正重用令牌，在多语言模型和基准测试中表现出色，实现低重新计算量和预填充加速，还能与缓存量化正交组合提升性能。
VTM-Nav: Harnessing Cross-Episode Experience for Object-Goal Navigation with Hierarchical Visual-Topological Memory
VTM-Nav：用于跨情节对象目标导航的分层视觉拓扑记忆
机构 * MAIS, Institute of Automation, Chinese Academy of Sciences（中国科学院自动化研究所模式识别国家重点实验室） ； School of Advanced Interdisciplinary Sciences, University of Chinese Academy of Sciences（中国科学院大学交叉科学学院） ； Tsinghua University（清华大学） ； University of Chinese Academy of Sciences（中国科学院大学）
专题命中 长上下文与记忆 ：language model(abstract)；分类 cs.AI
AI总结 研究跨情节对象目标导航问题，提出无训练的VLM导航框架\method，其带有分层视觉拓扑记忆，通过粗到细匹配检索经验，在三个基准测试中性能最佳，证明跨数据集结构化视觉拓扑经验复用有效且鲁棒。
Naju: A Native Discrete State-Space Model with Independent Retention and Writing for Long-Sequence Memory
Naju：一种具有独立保留和写入功能的用于长序列记忆的原生离散状态空间模型
机构 * Korea Institute of Energy Technology (KENTECH)（韩国能源技术研究所）
专题命中 长上下文与记忆 ：language model(abstract)；分类 cs.AI
AI总结 研究针对长序列记忆跟踪中保留与覆盖的矛盾需求，提出Naju模型，将循环更新分解为离散极点、写入增益及映射。该模型在训练长度4倍时仍兼具保留与覆盖能力，在多任务中结合长距记忆与良好性能，优于Mamba基线。
ArbiGraph: Arbitrarily Scalable Verifiable Task Graphs for Evaluating Context Management
ArbiGraph：用于评估上下文管理的任意可扩展可验证任务图
机构 * University of Toronto（多伦多大学） ； Vector Institute（向量研究所）
专题命中 长上下文与记忆 ：language agent(abstract)；分类 cs.AI
AI总结 ArbiGraph作为基准生成器，将任务表示为带Python求解器的自然语言问题，通过类型化中间状态组合任务。用多种任务类别实例化并评估智能体，发现其在孤立任务和复杂相关任务上表现不同，揭示了单任务评估无法发现的问题。
Exploratory and Assimilating Reflection: Reflective Recall Cycle for Long-term Memory
探索性与同化性反思：用于长期记忆的反思性回忆循环
专题命中 长上下文与记忆 ：LLM(abstract)；分类 cs.AI
AI总结 研究基于大语言模型的自主智能体外部记忆问题，提出探索性 - 同化性反思（EAR）框架，结合探索性反思与同化性反思两种机制，提高初始检索性能和样本效率，在长期对话基准上比基线检索器提升检索率达 17.9%，且样本效率高、抗噪声反馈。
SynH-Rank: Quality-Aware Code Search via Diverse Data Synthesis and Hierarchical Ranking Training
SynH-Rank：通过多样化数据合成和分层排序训练实现质量感知代码搜索
机构 * College of Computer Science and Technology（计算机科学与技术学院） ； The State Key Laboratory of Blockchain and Data Security（区块链与数据安全国家重点实验室） ； Zhejiang University（浙江大学） ； Hangzhou City University（杭州市城市大学） ； Zhejiang University and Hangzhou High-Tech Zone (Binjiang) Institute of Blockchain and Data Security（浙江大学和杭州高新区（滨江）区块链与数据安全研究院）
专题命中 长上下文与记忆 ：LLM(abstract)；分类 cs.CL
AI总结 研究针对代码搜索中重排器忽视非功能质量的问题，提出SynH-Rank框架，结合大语言模型数据合成与分层排序训练，采用三级标注方案及新指标，有效提升了代码搜索质量，在多方面取得优于传统方法的性能。
Self-Evolving Just-In-Time Memory for Proactive Embodied Safety
用于主动具身安全的自进化即时记忆
机构 * Huazhong University of Science and Technology（华中科技大学） ； Tsinghua University（清华大学） ； Shanghai Jiao Tong University（上海交通大学）
专题命中 长上下文与记忆 ：language model(abstract)；分类 cs.LG
AI总结 研究视觉语言模型在闭环交互中应对动态危险的问题，提出自进化即时记忆框架，含RSG、事实记忆和经验记忆，并通过自动测试-验证-写入循环完善元技能，实验证明该框架大幅提升安全成功率且不阻碍任务进展。
Do Agents Dream of False Memories? Black-box Visual Attacks on Long-term Memory in Multimodal AI Agents
智能体是否会梦到虚假记忆？对多模态人工智能智能体长期记忆的黑盒视觉攻击
机构 * University of California, Irvine（加州大学尔湾分校）
专题命中 长上下文与记忆 ：LLM(abstract)；分类 cs.LG
AI总结 研究针对多模态人工智能智能体长期记忆的黑盒视觉攻击，提出Lucid框架，通过制作扰动实现记忆中毒和注入两种攻击模式，在多种对话领域和架构上评估，揭示了多模态记忆管道的结构漏洞。
Comments 34 pages, 5 figures, 15 tables
OpsMem: Dual-Memory Reasoning with Cross-Memory Resonance for Failure Diagnosis
OpsMem：用于故障诊断的具有跨内存共振的双内存推理
机构 * Huawei（华为）
专题命中 长上下文与记忆 ：LLM(abstract)；分类 cs.AI
AI总结 针对现代软件系统故障诊断中缺乏协调诊断状态与操作经验机制的问题，提出双内存框架OpsMem，通过跨内存共振等进行多智能体诊断，实验表明其在华为微服务故障诊断数据集上优于基线，提升了匹配度和相关性。
Comments 6 pages, 5 figures
Heterogeneous Agent Cohorts for Safe Open-Ended Exploration with Runtime Constraint Memory
用于安全开放式探索的异构智能体群组及运行时约束记忆
机构 * Google DeepMind（谷歌DeepMind）
专题命中 长上下文与记忆 ：LLM(abstract)；分类 cs.AI
AI总结 研究针对语言模型智能体安全与探索困境，提出将关注点分离到专门角色，通过蒙特卡洛树搜索编译失败为‘伤疤’约束补丁，在空间语义沙盒实验中，该方法能到达远程目标、防止违规、减少令牌消耗，还能在资源约束下降低成本。
Comments 12 pages, 1 figure, 12 tables
AI YOU Town: Make Friends and Money with Your Digital Twin
人工智能小镇：与你的数字分身交友并赚钱
机构 * INSAIT, Sofia University “St. Kliment Ohridski”（INSAIT，索非亚大学“圣克莱门特·奥赫里德斯基”分校） ； Newcastle University（纽卡斯尔大学） ； Linköping University（林雪平大学）
专题命中 长上下文与记忆 ：prompting(abstract)；分类 cs.AI
AI总结 研究针对现有方法不足，提出AI YOU框架，结合多种技术进行角色推断，通过记忆机制保持一致性，实验显示其在共形覆盖、不确定性校准等方面表现良好，提升了角色保真度，AI YOU Town原型可用于未来交互。
Comments 28 pages
Agentic Context Learning with Self-Discovered Specification
通过自我发现的规范进行智能体上下文学习
机构 * University of Southern California（南加州大学） ； University of Florida（佛罗里达大学） ； Emory University（埃默里大学） ； Adobe Research（Adobe研究院） ； The Ohio State University（俄亥俄州立大学） ； National Taiwan University（国立台湾大学）
专题命中 长上下文与记忆 ：prompting(abstract)；分类 cs.AI
AI总结 研究上下文学习困难的原因，发现其不仅需内容获取还需规范获取。设计PSCI干预措施，提取并强化局部规范，在多个模型上取得显著提升，验证了规范获取的重要性，表明上下文学习依赖内容与规范获取。
XALPHA: A Memory-Driven AI Quant Researcher for Hypothesis-to-Code Alpha Discovery
XALPHA：一个用于从假设到代码的阿尔法发现的内存驱动人工智能量化研究员
机构 * School of Computing and Data Science, The University of Hong Kong（计算与数据科学学院，香港大学）
专题命中 长上下文与记忆 ：LLM(abstract)；分类 cs.CL
AI总结 针对金融市场难以发现交易信号问题，介绍内存驱动的XAlpha人工智能量化研究员，它通过多源研究内存系统，实现从假设到代码的闭环阿尔法发现过程，实验表明其比基线有更强的阿尔法发现性能。
SAGEAgent: A Self-Evolving Agent for Cost-Aware Modality Acquisition in Multimodal Survival Prediction
SAGEAgent：用于多模态生存预测中成本感知模态获取的自进化智能体
机构 * Vanderbilt University（范德堡大学） ； Vanderbilt University Medical Center（范德堡大学医学中心）
专题命中 长上下文与记忆 ：LLM(abstract)；分类 cs.AI
AI总结 研究多模态生存预测中如何平衡预测准确性与临床侵入性，提出基于自进化大语言模型的SAGEAgent，通过多种记忆和工具为患者决定诊断方式，实验证明其能在胶质瘤队列中降低获取负担并保持竞争力。
WAM-TTT: Steering World-Action Models by Watching Human Play at Test Time
WAM-TTT：在测试时通过观察人类行为来引导世界行动模型
机构 * Peking University（北京大学） ； Galbot ； CASIA（中国科学院自动化所） ； Tsinghua University（清华大学）
专题命中 长上下文与记忆 ：foundation model(abstract)；分类 cs.AI
AI总结 研究旨在解决引导机器人基础模型的难题，提出WAM-TTT框架，通过自监督视频预测吸收人类视频到自适应内存，经元训练阶段对齐人机行为，测试时仅用未标记人类视频，实现高效可重复引导且优于基线。
Ruby: Unmasking Unsafe Rust in Stripped Binaries via Machine Learning
Ruby：通过机器学习揭示剥离二进制文件中的不安全Rust
机构 * Georgia Institute of Technology（佐治亚理工学院） ； Pohang University of Science and Technology（釜山科学技术大学） ； Microsoft（微软公司） ； George Mason University（乔治·梅奥大学）
专题命中 长上下文与记忆 ：LLM(abstract)；分类 cs.LG
AI总结 研究旨在揭示Rust二进制文件中的不安全区域，核心方法是用机器学习工具Ruby捕获二进制指令差异，主要贡献为识别大部分不安全区域且误报率低，应用于指导符号执行和模糊测试有显著速度提升并帮助修复安卓库漏洞。
Comments Accepted to DSN 2026
How Data Shapes RoPE Frequency Usage: From Positional Scale Matching to Length Generalization
数据如何塑造RoPE频率使用：从位置尺度匹配到长度泛化
机构 * MIT IDSS（麻省理工学院信息系统与决策科学实验室） ； IIIS, Tsinghua University（清华大学交叉信息研究院）
专题命中 长上下文与记忆 ：language model(abstract)；分类 cs.LG
AI总结 研究RoPE频率使用不均匀的原因，提出数据诱导依赖决定频率使用，最佳频率与1/W成比例，该原则解释了相关观察，还将频率选择与长度泛化联系，表明自然语言有自相似性，长上下文泛化取决于两种尺度匹配。
Platonic Representations for Poverty Mapping: Unified Vision-Language Codes or Agent-Induced Novelty?
贫困地图绘制的柏拉图式表示：统一的视觉语言代码还是智能体诱导的新颖性？
机构 * AI and Global Development Lab（人工智能与全球发展实验室） ； Institute for Analytical Sociology（分析社会学研究所） ； Institute of Computer Science（计算机科学研究所） ； Department of Government（政府系）
专题命中 长上下文与记忆 ：LLM(abstract)；分类 cs.AI
AI总结 研究社会经济指标在卫星图像和网络文本中的信息印记，开发多模态框架经五条管道预测家庭财富，贡献包括融合视觉与文本提升预测、发现部分表示对齐证据、发布大规模多模态数据集。
Comments ICSC 2026
DepthWeave-KV: Token-Adaptive Cross-Layer Residual Factorization for Long-Context KV Cache Compression
深度交织-KV：用于长上下文键值缓存压缩的令牌自适应跨层残差分解
专题命中 长上下文与记忆 ：language model(abstract)；分类 cs.AI
AI总结 研究长上下文语言模型键值缓存压缩问题，提出DepthWeave-KV方法，通过跨层残差分解、令牌条件深度路由及在线误差跟踪实现自适应压缩，在多个基准测试中降低内存使用并提升任务质量。
Comments 9 pages, 2 figures
CompactionRL: Reinforcement Learning with Context Compaction for Long-Horizon Agents
CompactionRL：面向长视界智能体的带上下文压缩强化学习
机构 * Tsinghua University（清华大学）
专题命中 长上下文与记忆 ：LLM(abstract)；分类 cs.LG
AI总结 针对长视界大语言模型智能体受上下文窗口限制的问题，提出结合上下文压缩的强化学习方法，联合优化任务执行与摘要生成，在智能体编码任务上取得显著性能提升。
Memory-Orchestrated Semantic System (MOSS): An Auditable Agentic Memory Architecture
内存编排语义系统（MOSS）：一种可审计的智能记忆架构
机构 * Faculté de musique, Université Laval, Québec, Canada（加拿大魁北克拉瓦尔大学音乐学院） ； Faculté des sciences et de génie, Université Laval, Québec, Canada（加拿大魁北克拉瓦尔大学理工学院）
专题命中 长上下文与记忆 ：LLM(abstract)；分类 cs.CL
AI总结 研究针对AI智能体长期记忆的弱点，提出MOSS架构，通过在结构化关系数据库上驱动检索，具有模型、存储、API无关性，检索可审计且从语料库派生概念词汇，报告了在个人学者工作语料库上的长期部署。
Comments 22 pages, 2 figures
AGL-1: The Enterprise AI Governance Layer as a Control Plane for Trusted Enterprise Intelligence
AGL-1：作为可信企业智能控制平面的企业人工智能治理层
机构 * Independent Researcher（独立研究员）
专题命中 长上下文与记忆 ：foundation model(abstract)；分类 cs.AI
AI总结 研究企业人工智能从实验走向运营面临的治理挑战，介绍AGL-1企业人工智能治理层这一参考模型，基于相关原则将治理问题从检索控制扩展到全执行路径治理，定义七个治理领域。
Comments 16 pages, 1 figure; independent technical report
A Hippocampus for Linear Attention: An Exact Memory for What the Recurrent State Forgets
线性注意力中的海马体：为循环状态遗忘的内容提供精确记忆
机构 * Shanghai University of Finance and Economics（上海金融学院）
专题命中 长上下文与记忆 ：language model(abstract)；分类 cs.AI
AI总结 针对线性注意力模型因固定大小循环状态导致早期事实被覆盖、精确回忆退化的问题，提出海马体线性注意力（HOLA），通过添加有界精确KV缓存作为互补记忆系统，实现半参数化测试时记忆，在多项基准上取得显著提升。
Comments 12 pages
