Program Semantic Inequivalence Game with Large Language Models
基于大语言模型的程序语义不等价博弈
机构 * University of Edinburgh（爱丁堡大学） ； Cisco Systems（思科系统）
AI总结 本研究提出基于语义不等价博弈（SInQ）的方法，通过生成器与评估器智能体半对抗训练合成代码推理数据，在跨语言漏洞检测等基准上显著提升LLMs的代码语义理解能力。
大厂专区
Cisco（思科）
A Survey of Agent Memory in the Second Half: Towards Self-Evolving and Long-Horizon Agents
重新思考基础智能体的内存机制：第二阶段综述
机构 * UIC（伊利诺伊大学香槟分校） ； IIT（伊利诺伊理工学院） ； UIUC（伊利诺伊大学厄巴纳-香槟分校） ； UW–Madison（威斯康星大学麦迪逊分校） ； ASU（亚利桑那州立大学） ； Emory（埃默里大学） ； Northwestern（西北大学） ； NTU（国立台湾大学） ； UCF（佛罗里达大学） ； Rutgers（新泽西罗格斯大学） ； Cambridge（剑桥大学） ； Harvard（哈佛大学） ； UTokyo（东京大学） ； UCSD（加州大学圣地亚哥分校） ； UCSC（加州大学圣塔克鲁斯分校） ； TAMU（德克萨斯大学奥斯汀分校） ； UCSB（加州大学圣塔芭芭拉分校） ； MBZUAI（马克斯·普朗克人工智能研究所） ； McGill（麦吉尔大学） ； UCLA（加州大学洛杉矶分校） ； Stanford（斯坦福大学） ； Salesforce ； Google（谷歌） ； Meta ； Roblox ； Cisco（思科） ； Capital One
AI总结 本文综述了基础智能体内存机制，从内存基质、认知机制和主体维度分析内存在不同拓扑结构下的实现，并探讨内存操作的学习策略与评估指标。
Comments Accepted at Transactions on Machine Learning Research (TMLR) with Survey Certification. Project page: https://github.com/AgentMemoryWorld/Awesome-Agent-Memory
Direct Bethe Free Energy Minimization for Bayesian Neural Networks
基于贝叶斯神经网络的直接贝叶斯自由能最小化
机构 * Cisco Inc.（思科公司）
AI总结 本文提出通过直接最小化贝叶斯自由能来训练贝叶斯神经网络，该方法在树状因子图上精确，可处理混合概率和确定性子图，且在单次梯度传递中实现联合优化，无需交叉验证。
Comments Improved the paper - formalization of routing, add classification experiments, new bib items, free routing in linear model, and many more. Also polished the text
VOTE: Vision-Language-Action Optimization with Trajectory Ensemble Voting
VOTE：基于轨迹集成投票的视觉-语言-动作优化
机构 * Northeastern University（东北大学） ； Cisco（思科） ； EmbodyX
AI总结 针对VLA模型生成令牌多、动作利用不足的问题，开发训练框架微调模型减少令牌生成，引入基于投票的集成策略优化推理，相比现有模型性能更优，推理更快，证明了实际可部署性。
Comments 12 pages
Bilevel Data Curation for LLM Fine-tuning: Offline Selection and Online Self-Refining Generation
大语言模型微调的双层数据策展：离线选择与在线自优化生成
机构 * Cornell University（康奈尔大学） ； Cisco Research（思科研究）
AI总结 提出双层框架结合离线数据选择与在线自优化生成，提升微调数据质量，理论证明优于直接混合，实验验证效果。
Comments updated the theories and experiments
VLA Knows Its Limits: Adaptive Execution Horizons for Robot Policies
VLA 知道自己的极限：机器人策略的自适应执行视界
机构 * University of Illinois Chicago（伊利诺伊大学芝加哥分校） ； Cisco Research（思科研究）
AI总结 针对流式视觉-语言-动作模型中执行视界影响性能的问题，提出 AutoHorizon 方法，通过分析注意力权重动态估计每块动作的执行视界，提升机器人操作任务性能。
Comments ECCV 2026. Project page at https://hatchetproject.github.io/autohorizon/
Learning Bug Context for PyTorch-to-JAX Translation with LLMs
学习 PyTorch 到 JAX 翻译中的 Bug 上下文
机构 * Department of Computer Science, Iowa State University, Ames, IA, USA（Iowa State大学计算机科学系） ； Department of Human Science, Iowa State University, Ames, IA, USA（Iowa State大学人类科学系） ； Cisco AI Research, Outshift, San Jose, CA, USA（Cisco AI研究，Outshift，San Jose，加利福尼亚州，美国）
AI总结 针对 LLM 在 PyTorch 到 JAX 代码翻译中易出错的问题，构建 T2J 基准（含 bug 及修复），通过上下文学习使弱 LLM 翻译质量提升达 20%。
Comments ICML Deep Learning for Code (DL4C) workshop, 2026
Cordyceps: Covert Control Attacks on LLMs via Data Poisoning
Cordyceps: 通过数据投毒对LLM的隐蔽控制攻击
机构 * Georgia Institute of Technology（佐治亚理工学院） ； Cisco Systems（思科系统）
AI总结 提出一种数据投毒方法，通过语义关联教LLM隐藏任意恶意指令，实现隐蔽控制攻击，绕过多种防御。
Comments USENIX Security '26
NetBurst: Event-Centric Forecasting of Bursty, Intermittent Time Series
NetBurst: 以事件为中心的突发间歇性时间序列预测
机构 * University of California, Santa Barbara（加州大学圣巴bara分校） ； Cisco Research（思科研究） ； Lawrence Berkeley National Laboratory（伯克利国家实验室） ； Northwestern University（西北大学）
AI总结 针对网络遥测数据中罕见突发和长间隔低活动的“野性”统计特性，提出NetBurst事件中心管道，通过压缩低活动期、分离突发时序和幅度流学习统一表示，在预测误差、突发分布匹配和异常描述性上显著优于Chronos-2等基线。
A Survey on Large Language Model-Based Game Agents
基于大语言模型的游戏智能体综述
机构 * Georgia Institute of Technology USA（佐治亚理工学院美国分校） ； Cisco Research USA（思科研究美国分公司）
AI总结 综述基于大语言模型的游戏智能体，提出统一参考架构，从单智能体（记忆、推理、感知-行动接口）和多智能体（通信协议、组织模型）层面总结研究，并建立挑战导向的分类法连接六种游戏类型与智能体需求。
Comments ACM Computing Surveys, 2026
Harmonia: End-to-End RAG Serving Optimization
Harmonia: 端到端RAG服务优化
机构 * UT Austin（德克萨斯大学奥斯汀分校） ； Cisco Research（思科研究） ； Cisco Systems（思科系统）
AI总结 提出Harmonia框架，通过灵活管道接口、异构感知部署和闭环运行时控制器，优化RAG服务，吞吐量提升2.04倍以上，SLO违规减少78.4%。
