从数据管理视角系统评估LLM Agent记忆系统，揭示架构设计的关键权衡与最佳实践

研究发现工具调用与JSON Schema约束同时启用时，多个开源模型完全停止调用工具的现象

提出首个直接评估长期记忆恢复能力的基准，揭示任务成功不等于可恢复用户状态

用双粒度框架调和文本压缩与硬件 KV 缓存对齐，显著降低长程智能体推理成本

将LLM记忆访问从被动检索重构为主动多步推理,在长对话任务上以更低成本取得SOTA。

将 Agent 运行时框架视为一等公民，通过类型化组合与轨迹驱动进化实现 +14.5% 平均提升。

通过架构设计而非模型规模实现高性能Web代理，在四大基准上取得开放模型SOTA

构建4,818个文档到仓库生成任务数据集，提升长视界代码生成能力

通过在LLM隐藏表示层注入参数化身份向量，解决公众舆论模拟中的多样性坍塌问题

用编译器串行流水线与复活机制，在生产级长链路工程中运行时评估智能体模型。

提出一个基于能力的运行时边界，确保LLM Agent在自我进化时不会 silently 扩展其资源权限

提出评测个性化说服力的基准，发现用户画像建模是关键瓶颈

提出步骤级故障归因的训练无关技能自适应方法，提升 LLM 智能体长周期任务性能

首个系统性评估框架，揭示skill增强的实际效果与局限性

评估 LLM 交互式因果发现能力的基准环境，区分预测准确度与机制理解

通过双路径 rollout 动态探测知识边界，引导 agentic RL 训练减少冗余工具调用。

提出首个评估个性化记忆系统的基准 PerMem-Bench，并系统研究会话级存储门控方法。

ProAct 将用户两次对话间的空闲时间转化为对尚未发出请求的未来需求进行证据采集的预测性准备工作。

把终端输出 token 当作监督信号，叠加到 GRPO 损失上，让失败轨迹也产生梯度。

用Chebyshev标量化与HVC退火，多目标优化智能体技能，突破单目标优化卡死困境。