2026-10-05 AI Agent 轻量候选

主题： agent-memory-tool-use 来源： arXiv + HuggingFace Daily（2026-09-25 至 2026-10-02） 总候选： 8 条 | 高价值： 4 条

🔥 高价值条目

1. X-Tree: Tokenizing Reusable Experience for Efficient Agent Generalization

  • 来源： HF Daily | 2026-09-25 | ⭐ 59 票
  • URL： https://arxiv.org/abs/2609.32993
  • 核心观点： 多步 Agent 基于 flat action stream 训练，SFT/RLVR 对每个 token 一视同仁，忽略跨任务复用的子程序层次结构。X-Tree 从数据本身恢复层次结构并用于训练，无需 LLM 调用，实现跨任务泛化。
  • 标签： agent / rag / benchmark

2. Tracking State Footprints: How Agents Can Transact

  • 来源： arXiv | 2026-10-02（最新）
  • URL： http://arxiv.org/abs/2610.03140v1
  • 核心观点： 多 Agent 系统（MAS）并行执行时，若不追踪 Agent 读写状态，并发异常即使在简单编码任务中也会发生。将 MAS 协调建模为数据管理问题，提出 state footprint 概念描述 Agent 对 orchestrator 和外部状态（包括 local context）的读写模式。
  • 标签： agent / systems
  • 作者： Oto Mraz 等，KTH / NEC Labs Europe

3. DyadMem: A Long-Term Memory Benchmark of How Agents Work with Users

  • 来源： arXiv | 2026-10-02（最新）
  • URL： http://arxiv.org/abs/2610.03020v1
  • 核心观点： 现有 benchmark 侧重用户事实/偏好记忆，忽略了"特定 Agent 如何与特定用户协作"这一关系记忆。提出 URAM（User-conditioned Relational Agent Memory）定义，联合标注用户侧记忆与 Agent 侧关系记忆。
  • 标签： agent / memory / benchmark
  • 作者： Yifei Tao 等，Google DeepMind

4. MemFold: Learning Compact Soft Memory for Long-Context Personalization via On-Policy Optimization

  • 来源： HF Daily | 2026-09-28 | ⭐ 7 票
  • URL： https://arxiv.org/abs/2609.36435
  • 核心观点： 长期助手需同时保留用户偏好存续、修订与当前约束。MemFold 通过 on-policy 优化将用户历史压缩为固定尺寸软记忆，区分"记住"与"行动"两个目标，避免历史文本无限增长。
  • 标签： long-context / memory

📋 其余候选

  1. Honeycomb: Constant-Size Scene Memory for Video World Models（HF 5票 | 2026-09-29） - 固定尺寸 HexMemory 平面表示，解决视频生成中时序一致性存储膨胀问题。标签：rag / memory / multimodal

  2. Ego2Act: Evaluating Goal-Directed Manipulation in Egocentric Video Generation（HF 25票 | 2026-09-30） - 以自我中心视频生成评估多步物理推理与目标导向操作规划。标签：agent / benchmark / multimodal

  3. Video Generation Models: A Survey of Post-Training and Alignment（HF 55票 | 2026-09-29） - 视频生成对齐综述，涵盖误差累积、运动外观耦合、多目标权衡等 Agent 规划相关挑战。标签：multimodal / systems

  4. Replacing LLMs with Jev Decision Models for Low-Latency Edge Service Orchestration（HF 5票 | 2026-09-25） - 将 LLM 决策替换为轻量 Jev 模型，降低边缘服务编排延迟，适合工具调用延迟敏感场景。标签：systems

注： 本次未使用 Substack / CSDN 补充。