AI Agent

Grounding Agent Memory in Contextual Intent

在上下文意图中 grounding 代理记忆

Ruozhen Yang, Yucheng Jiang, Yueqi Jiang, Priyanka Kargupta, Yunyi Zhang, Jiawei Han

机构 * University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校） ； Stanford University（斯坦福大学） 纠错

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

AI总结 STITCH通过上下文意图索引提升长周期交互的记忆检索能力，有效减少歧义和干扰，实现在动态目标轨迹中的高效检索。

Comments ACL 2026

Crowd Dynamics in Historical Perspective: Reframing the Amritsar Massacre through Agent-Based Modelling and Social Psychology

从历史视角看人群动态：通过基于代理建模和社会心理学重新审视阿姆利则大屠杀

Mohcine Chraibi, Krisztina Konya, Ezel Üsten

专题命中 记忆与上下文管理 ：agent(title,abstract)

AI总结 本文通过基于代理建模和社会心理学重新审视阿姆利则大屠杀，揭示人群作为现象的物理与社会心理动态，指出即使在保守的物理假设下，模拟结果仍高于官方死亡人数，强调跨学科建模对历史责任和当前人群安全的重要性。

Comments 28 pages, 5 figures

Detecting Clinical Discrepancies in Health Coaching Agents: A Dual-Stream Memory and Reconciliation Architecture

在健康教练代理中检测临床差异：一种双流记忆与协调架构

Samuel L Pugh, Eric Yang, Alexander Muir Sutherland, Alessandra Breschi

机构 * Verily Health Inc（Verily健康公司） 纠错

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

AI总结 本文提出双流记忆与协调架构，用于检测健康教练代理中的临床差异，通过验证患者报告与临床记录以确保安全部署。

ITS-Mina: A Harris Hawks Optimization-Based All-MLP Framework with Iterative Refinement and External Attention for Multivariate Time Series Forecasting

ITS-Mina：一种基于Harris Hawks优化的全MLP框架，结合迭代细化和外部注意力机制用于多变量时间序列预测

Pourya Zamanvaziri, Amirhossein Sadr, Aida Pakniyat, Dara Rahmati

机构 * Department of Computer Science and Engineering, Shahid Beheshti University, Iran（伊朗谢赫·贝赫什提大学计算机科学与工程系） ； School of Computer Science, Institute for Research in Fundamental Sciences (IPM), Iran（伊朗基础科学研究院（IPM）计算机科学学院） 纠错

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

AI总结 本文提出ITS-Mina，一种全MLP框架，通过迭代细化机制、外部注意力模块和Harris Hawks优化算法，实现多变量时间序列预测的高精度与低计算成本。

Comments 19 pages, 2 figures, 3 tables, 4 algorithms

AMMA: A Multi-Chiplet Memory-Centric Architecture for Low-Latency 1M Context Attention Serving

AMMA: 一种面向低延迟1M上下文注意力服务的多芯片片内存架构

Zhongkai Yu, Haotian Ye, Chenyang Zhou, Ohm Rishabh Venkatachalam, Zaifeng Pan, Zhengding Hu, Junsung Kim, Won Woo Ro, Po-An Tsai, Shuyi Pei, Yangwook Kang, Yufei Ding

机构 * University of California, San Diego（加州大学圣迭戈分校） ； Columbia University（哥伦比亚大学） ； Yonsei University（延世大学） ； NVIDIA（NVIDIA公司） ； Samsung Semiconductor, Inc.（三星半导体公司） 纠错

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

AI总结 AMMA是一种面向低延迟1M上下文注意力服务的多芯片片内存架构，通过提高内存带宽和优化并行计算方案，显著降低注意力延迟和能耗。

Modeling Clinical Concern Trajectories in Language Model Agents

语言模型代理中临床关注轨迹建模

Sukesh Subaharan, Venkatesan VS, Murugadasan P, Sivakumar D, Gautham N, Ganeshkumar M

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

AI总结 本文研究通过显式状态动态揭示临床关注轨迹，提出轻量级架构以生成连续升级压力信号，使LLM代理更符合临床实际需求。

RopeDreamer: A Kinematic Recurrent State Space Model for Dynamics of Flexible Deformable Linear Objects

RopeDreamer：一种用于柔性可变形线性物体动态的运动学递归状态空间模型

Tim Missal, Lucas Domingues, Berk Guler, Simon Manschitz, Jan Peters, Paula Dornhofer Paro Costa

机构 * Technical University of Darmstadt（德意志技术大学） ； School of Electrical and Computer Engineering, Universidade Estadual de Campinas (UNICAMP)（坎皮纳斯州立大学电气与计算机工程学院） ； Instituto de Pesquisas Eldorado（Eldorado研究所） ； Honda Research Institute Europe GmbH（本田欧洲研究院） ； German Research Center for Artificial Intelligence (DFKI)（德国人工智能研究中心） ； Robotics Institute Germany (RIG)（德国机器人研究所） ； Centre for Cognitive Science（认知科学研究中心） ； Artificial Ingelligence Lab, Recod.ai（Recod.ai人工智能实验室） 纠错

专题命中 记忆与上下文管理 ：planning(abstract)

AI总结 本文提出结合递归状态空间模型与四元数运动链表示的潜变量框架，用于预测柔性可变形线性物体的状态，通过约束物理有效流形减少自交和非物理变形，提升长周期预测性能。

FlashRT: Towards Computationally and Memory Efficient Red-Teaming for Prompt Injection and Knowledge Corruption

FlashRT: 向计算和内存高效方向发展用于提示注入和知识腐败的红队测试

Yanting Wang, Chenlong Yin, Ying Chen, Jinyuan Jia

专题命中 记忆与上下文管理 ：autonomous agent(abstract)

AI总结 本文提出FlashRT框架，通过提升计算和内存效率，优化长上下文LLM的提示注入和知识腐败攻击，实现2-7倍的加速和2-4倍的内存节省，为系统评估长上下文LLM的安全性提供工具。

Comments The code is available at https://github.com/Wang-Yanting/FlashRT

Clustering in co-evolving opinion dynamics: reduced SPDE models

共演意见动力学中的聚类：简化SPDE模型

Sebastian Zimper, Nataša Djurdjevac Conrad, Federico Cornalba, Ana Djurdjevac

专题命中 记忆与上下文管理 ：agent(abstract)

AI总结 本文提出简化SPDE模型研究共演社会与意见变量中的聚类现象，通过减少状态空间提升计算效率，应用于大规模GSS数据集。