AI Agent

ForkKV: Scaling Multi-LoRA Agent Serving via Copy-on-Write Disaggregated KV Cache

ForkKV: 通过写时复制的 disaggregated KV 缓存实现多LoRA代理服务的扩展

Shao Wang, Rui Ren, Lin Gui

机构 * Shanghai Jiao Tong University（上海交通大学） 纠错

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

AI总结 ForkKV通过写时复制机制解耦KV缓存，解决多LoRA代理服务中的内存瓶颈问题，提升吞吐量3倍且不影响生成质量。

The End of Human Judgment in the Kill Chain? Relocating Initiative and Interpretation with Agentic AI

人类判断在杀链中的终结？通过代理AI重新定位主动性和解释力

Jovana Davidovic

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

AI总结 本文探讨了基于大语言模型的代理AI在杀链中取代人类判断的问题，指出其主动性和解释力导致人类控制失效，并提出国际治理框架需应对这一挑战。

LeLaR: The First In-Orbit Demonstration of an AI-Based Satellite Attitude Controller

LeLaR：首个基于AI的卫星姿态控制器在轨演示

Kirill Djebko, Tom Baumann, Erik Dilger, Frank Puppe, Sergio Montenegro

机构 * Center for Artificial Intelligence and Data Science, Julius-Maximilians-Universität Würzburg（朱利叶斯-马克西米利安-维尔茨堡大学人工智能与数据科学中心） 纠错

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

AI总结 本文提出首个在轨演示的基于AI的卫星姿态控制器，通过仿真训练部署至InnoCube 3U卫星，验证了AI控制器在重复姿态 maneuver 中的鲁棒性，对比传统PD控制器表现优异。

Comments Accepted for publication in IEEE Access (DOI: 10.1109/ACCESS.2026.3678816). This is the author's version which has not been fully edited and content may change prior to final publication. 20 pages, 15 figures, 18 tables. The maneuver telemetry datasets are available in the GitHub repository under https://github.com/kdjebko/lelar-in-orbit-data

Journal ref IEEE Access, vol. 14, pp. 49348-49367, 2026

A-MBER: Affective Memory Benchmark for Emotion Recognition

A-MBER：情绪识别的情感记忆基准

Deliang Wen, Ke Sun, Yu Wang

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

AI总结 A-MBER通过评估模型利用多会话交互历史解读用户当前情绪的能力，提出了一种新的情感记忆基准，支持判断、检索和解释任务，并测试模型在不同条件下的鲁棒性。

Predictive Representations for Skill Transfer in Reinforcement Learning

强化学习中技能转移的预测表示

Ruben Vereecken, Luke Dickens, Alessandra Russo

机构 * Imperial College（帝国理工学院） ； UCL（伦敦大学学院） 纠错

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

AI总结 本文提出基于状态抽象的预测状态表示，用于提升强化学习中的技能转移能力，通过引入基于选项的抽象动作实现跨任务的知识迁移。

Comments esearch conducted: September 2018 to June 2021. This manuscript represents the work as of June 2021

Guiding Symbolic Execution with Static Analysis and LLMs for Vulnerability Discovery

通过静态分析和LLMs引导符号执行以发现漏洞

Md Shafiuzzaman, Achintya Desai, Wenbo Guo, Tevfik Bultan

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

AI总结 SAILOR结合静态分析与LLM合成自动构建符号执行Harness，通过三个阶段发现内存安全漏洞，实验表明其在大规模代码库中显著提升漏洞检测效率。