ClawMMU：面向有状态 LLM 智能体的保护一致性虚拟内存
研究者提出 ClawMMU，一个为 LLM 智能体长期记忆设计的安全保护层，为每条记忆标注所有者、范围、来源与权限。该层在内容进入模型上下文、写入或读出存储、驱动工具调用时检查标签，核心规则是信息可提升权限但权限不能自授权。
#MCP/工具调用
arXiv cs.AIAI 评分4444 arXiv cs.AIAI 评分3939 RITE：评估电商智能体系统对静默工具错误的端到端韧性
arXiv 论文提出 RITE 基准，评估 LLM 智能体在电商多步工具调用中对静默错误的端到端韧性。基准基于人工编写的工业工作流与生产日志输入，含 167 个匹配单元、九个电商工作流，共 501 个静默错误、正确值与显式失败实例。测试 10 个近期 LLM 显示，静默错误大约使任务成功率减半，且比显式失败更难应对；作者还提出轻量 State Checker 干预以检验能否提升韧性。
arXiv cs.AIAI 评分3939 TURTLE：面向长程工具使用的自演化基准生成方法
arXiv 论文提出 TURTLE，一种无监督环境设计（UED）方法，用 proposer、solver 和 feedback generator 三个大语言模型智能体演化现有工具使用任务，生成长程自调优测试集。
arXiv cs.AIAI 评分4747 EGI-BENCH：企业级通用智能评测套件发布
Salesforce 等机构的研究者发布 EGI-BENCH，一个统一的企业级 LLM 智能体评测套件，整合 CRMARENA、HERB、MCP-UNIVERSE 等 8 个基准，提供单一命令行界面和 quick/deep 两种运行预算模式，并定义了 M1-M6 六维 EGI 分数。
arXiv cs.AIAI 评分3030 SPEM：面向 LLM Agent 高效技能使用的结构感知程序性记忆框架
研究者提出 SPEM，一个轻量级结构感知程序性记忆框架，用于解决 LLM Agent 技能库扩大后全量加载开销高、扁平语义检索忽略依赖与执行顺序的问题。