标签
本文介绍了一种主动记忆代理，它与标准行为代理协同工作，在长周期任务中选择性地注入基于记忆的提醒，从而缓解行为状态衰减。在Terminal-Bench和τ²-Bench上的实验显示，pass@1有显著提升，并且该方法在弱和强行为代理上均得到了验证。
介绍STRACE，一个通过结构化轨迹分析与因果提取来构建高信噪比优化上下文以改进长周期智能体的框架，在形式化验证任务上超越基线。
本文介绍了EnvProbe，一种预算限制下的环境探测操作器，它允许长时域语言代理在行动前有选择地查询环境的特定信念字段，通过有限的交互高效校准信念，从而减少世界模型误差。
介绍 AgentOdyssey，一个程序化文本游戏生成框架，旨在评估智能体在测试时持续学习的能力，包括探索、情景记忆、世界知识获取、技能学习和长时域规划。该框架突显了当前智能体与人类表现之间的显著差距。
介绍了上下文窗口生命周期（CWL），这是一种面向长周期LLM智能体的结构化上下文驱逐方案，通过基于依赖图驱逐内容来维持有效无界的工作视野，避免了基于摘要的压缩和最近截断的局限性。
AutoLab 是一个新基准测试，针对 36 个由专家精心设计的长时程任务（系统优化、模型开发、CUDA 内核、谜题），对 17 个前沿模型进行评估。研究发现，决定成功的关键因素是持久性——而非初始尝试的质量。Claude-opus-4.6 在所有类别中名列前茅，而大多数其他模型要么过早终止，要么在几乎没有进展的情况下耗尽了预算。
来自多伦多大学和 Vector Institute 的研究人员提出了线段树记忆（SegTreeMem），这是一种面向长时域对话智能体的记忆架构，利用层次化线段树结构在在线构建和检索过程中保留时间顺序。在三个数据集上的实验表明，与不考虑时间顺序的树状基线相比，LLM 评判准确率提升了近 20%。
S3Mem 提出了一种用于长周期交互式问答的结构化时空场景事件记忆框架，采用锚点敏感检索和令牌预算感知的证据接口，在多个环境中优于标准 RAG。
LongMINT 是一个基准测试，用于在长时域代理系统中评估多目标干扰下的记忆性能。
该帖子解释了强化学习因奖励稀疏而在长视界任务中遇到的困难，并介绍了 GEPA 这一方法。GEPA 利用轨迹层级的文本反思来保留更丰富的反馈信号，以优化学习过程。
Memanto 引入了一个基于模式（schema）、冲突解决机制以及 Moorcheh 信息论检索引擎的类型化语义记忆系统，在 LongMemEval 和 LoCoMo 基准测试中取得了最先进的结果，且零摄入成本、延迟低于 90 毫秒。
TACO 是一个自我演化的框架，可自动发现并优化长周期终端智能体的上下文压缩规则。