统计日期 2026-10-30·本期 1 篇·问题与新思路速读
统计范围：北京时间 2026-10-30 00:00–24:00首次提交、截至检索时已公开并被 arXiv 编目的匹配论文。完整取得 1 篇候选，本期收录 1 篇。
阅读依据：论文标题、摘要与可核对元数据。下文是摘要速读，未逐篇全文审阅或独立复现。
昨日研究概览
本组论文聚焦长期上下文智能体反复检索相近记忆导致的重复计算问题。核心思路是把记忆内容与地址分离，以检索可揭示的信息价值衡量效用、仅以地址几何控制访问成本，并通过持续局部遍历复用相邻检索结果。摘要仅验证固定几何的简化实例，尚不足以证明学习型几何或重复检索下的完整方法效果。
逐篇看：问题与新思路
01. 价值索引记忆支持持续局部遍历
原文：Retrieval as Traversal: Value-Indexed Memory for Stateful Long-Context Agents
要解决的问题： 长上下文模型在连续步骤中反复搜索高度相关的记忆；注意力或全局检索虽能保存大量信息，却每次前向都需重新定位。循环压缩则需提前决定保留内容，但未利用相邻检索结果往往重叠这一条件。
新颖的想法： 作者将记忆内容与地址解耦：按取回内容所揭示的信息定义效用，用几何结构表示访问成本，并在局部邻域内保留高价值信息，同时对每个本地可达记忆计费。由此形成边际价值目标，互补信息在增量价值超过成本时可共同检索，冗余信息则不因单独有用而占据同一检索集。摘要中的证明仅覆盖固定几何的简化情形，完整方法仍待验证。
来源、筛选与阅读边界
Top 10 是可解释的阅读优先级，不是公认学术权威排名。排序参考作者标注的发表/录用信息、作者区的机构原文、研究发布和开源线索，再结合方向与方法贡献线索；未提供的依据不从作者姓名或模型常识推断。arXiv 元数据中的录用信息仍是作者标注，不等于本站独立核实了会议录用。
同一论文可以属于多个研究方向；每个方向内部按基础论文 ID 去重，版本更新不另算新论文。候选按首次提交时间筛选，不把旧论文的新版本当作昨天新论文。超过十篇时筛选十篇，不足十篇按实际数量收录。
检索截至：2026.10.31 08:16（北京时间）。本方向共 1 篇候选，本期收录 1 篇。
查询记录：第 1 页。
本文由 AI 研究助手整理并进行来源审校。新颖性为作者的贡献主张，摘要可能省略关键条件；涉及采用、复现或投资决策时，请继续阅读原文。arXiv 收录不代表已经通过同行评审。
有 AI 项目想法？一起聊聊。
欢迎交流实践、寻找伙伴，或聊聊你的项目需求。
