AI Agent

APEX-EM: Non-Parametric Online Learning for Autonomous Agents via Structured Procedural-Episodic Experience Replay

APEX-EM：通过结构化程序-经验经验回放实现自主代理的非参数在线学习

Pratyay Banerjee, Masud Moshtaghi, Ankit Chadha

机构 * Amazon, AGI / Sunnyvale, USA（亚马逊 AGI / 美国森尼韦尔） 纠错

专题命中 记忆与上下文管理 ：autonomous agent(title,abstract)；planning(abstract)；workflow(abstract)；分类 cs.AI、cs.CL

AI总结 本文提出APEX-EM框架，通过结构化经验表示和PRGII工作流，实现自主代理的非参数在线学习，提升跨领域任务的性能。

Comments 17 pages, 13 figures

QVAD: A Question-Centric Agentic Framework for Efficient and Training-Free Video Anomaly Detection

QVAD：一种以问题为中心的代理框架，用于高效且无需训练的视频异常检测

Lokman Bekit, Hamza Karim, Nghia T Nguyen, Yasin Yilmaz

机构 * Department of Electrical Engineering, University of South Florida, Tampa, Florida, USA（南佛罗里达大学电气工程系，坦帕，佛罗里达州，美国） 纠错

专题命中 记忆与上下文管理 ：agentic(title,abstract)；agent(abstract)

AI总结 QVAD提出一种以问题为中心的代理框架，通过动态对话机制提升视频异常检测的效率和性能，无需参数更新即可实现高精度检测。

Coupled Control, Structured Memory, and Verifiable Action in Agentic AI (SCRAT -- Stochastic Control with Retrieval and Auditable Trajectories): A Comparative Perspective from Squirrel Locomotion and Scatter-Hoarding

耦合控制、结构化记忆与可验证行为在代理AI中的应用（SCRAT -- 随机控制与可审计轨迹：从松鼠运动与散落储藏的比较视角）

Maximiliano Armesto, Christophe Kolb

机构 * Taller Technologies 纠错

专题命中 记忆与上下文管理 ：agentic(title,abstract)；分类 cs.AI

AI总结 本文从松鼠生态角度探讨代理AI中控制、记忆与可验证行为的耦合机制，提出结构化记忆模型与延迟验证信号，验证三种假设以提升系统鲁棒性与可靠性。

Comments 15 pages, 4 figures, 3 tables

Opal: Private Memory for Personal AI

Opal：面向个人AI的隐私内存

Darya Kaviani, Alp Eren Ozdarendeli, Jinhao Zhu, Yu Ding, Raluca Ada Popa

机构 * Google DeepMind（谷歌DeepMind） ； UC Berkeley（加州大学伯克利分校） 纠错

专题命中 记忆与上下文管理 ：agentic(abstract)；分类 cs.AI

AI总结 Opal通过将数据依赖推理与个人数据分离，利用可信 enclave 提高检索准确率，并在基础设施成本上取得显著优势。

Goal-Driven Reward by Video Diffusion Models for Reinforcement Learning

通过视频扩散模型实现目标驱动的奖励用于强化学习

Qi Wang, Mian Wu, Yuyang Zhang, Mingqi Yuan, Wenyao Zhang, Haoxiang You, Yunbo Wang, Xin Jin, Xiaokang Yang, Wenjun Zeng

机构 * Shanghai Jiao Tong University（上海交通大学） ； Ningbo Key Laboratory of Spatial Intelligence and Digital Derivative, Ningbo Institute of Digital Twin, Eastern Institute of Technology, Ningbo（宁波市空间智能与数字衍生重点实验室，东方理工高等研究院宁波数字孪生研究院，宁波） ； Zhejiang Key Laboratory of Industrial Intelligence and Digital Twin（浙江省工业智能与数字孪生重点实验室） ； Zhongguancun Academy（中关村学院） ； Department of Computing, The Hong Kong Polytechnic University（香港理工大学计算学系） ； Department of Mechanical Engineering, Yale University（耶鲁大学机械工程系） 纠错

专题命中 记忆与上下文管理 ：agent(abstract)；分类 cs.LG

AI总结 本文提出利用预训练的视频扩散模型为强化学习代理提供目标驱动的奖励信号，通过视频级和帧级目标提升轨迹的连贯性和目标导向性。

Comments Accepted by CVPR 2026. Project page: https://qiwang067.github.io/genreward

Debating Truth: Debate-driven Claim Verification with Multiple Large Language Model Agents

辩论真相：基于多个大语言模型代理的辩论驱动声明验证

Haorui He, Yupeng Li, Dacheng Wen, Yang Chen, Reynold Cheng, Donglong Chen, Francis C. M. Lau

机构 * Department of Interactive Media, Hong Kong Baptist University（香港浸会大学互动媒体系） ； School of Computing and Data Science, The University of Hong Kong（香港大学计算与数据科学学院） ； College of Computer Science and Artificial Intelligence, Fudan University（复旦大学计算机科学与人工智能学院） ； Beijing Normal-Hong Kong Baptist University（北京师范大学-香港浸会大学联合国际学院） ； Shenzhen Institute of Advanced Technology（深圳先进技术研究院） 纠错

专题命中 记忆与上下文管理 ：agent(abstract)；分类 cs.CL

AI总结 本文提出DebateCV框架，通过多代理辩论和调解提升复杂声明验证的准确性与说服力。

Comments Accepted by the ACM Web Conference 2026 (WWW 2026)

CASCADE: A Cascading Architecture for Social Coordination with Controllable Emergence at Low Cost

CASCADE：一种用于社交协调的级联架构，具有低成本可控的涌现

Yizhi Xu

专题命中 记忆与上下文管理 ：agent(abstract)

AI总结 CASCADE通过三级架构实现低成本可控的社会协调，通过宏状态导演、协调枢纽和标签驱动NPC生成多样化但逻辑受限的NPC行为，适用于沙盒游戏世界。

Comments Accepted to CHI 2026 Extended Abstracts

Journal ref Extended Abstracts of the 2026 CHI Conference on Human Factors in Computing Systems

Street-Legal Physical-World Adversarial Rim for License Plates

符合道路法规的物理世界对抗环

Nikhil Kalidasu, Sahana Ganapathy

机构 * The University of Texas at Austin（德克萨斯大学奥斯汀分校） 纠错

专题命中 记忆与上下文管理 ：agentic(abstract)

AI总结 研究探讨低资源威胁者能否针对现代开源ALPR系统实施成功对抗攻击，提出符合法律的物理对抗环SPAR，证明其在德克萨斯州的合法性，并展示其对ALPR准确率的显著影响。

Comments 20 pages, 8 figures, 5 tables, submitted to Security in Machine Learning Applications 2026