AI Agent

Agentic Learner with Grow-and-Refine Multimodal Semantic Memory

具有生长与细化多模态语义记忆的智能学习者

Weihao Bo, Shan Zhang, Yanpeng Sun, Jingjing Wu, Qunyi Xie, Xiao Tan, Kunbin Chen, Wei He, Xiaofan Li, Na Zhao, Jingdong Wang, Zechao Li

机构 * Nanjing University of Science and Technology（南京理工大学） ； Baidu Inc（百度公司） ； AIML, Adelaide University（AIML，阿德莱德大学） ； Singapore University of Technology and Design（新加坡科技设计大学） 纠错

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

AI总结 本文提出ViLoMem框架，通过双流记忆系统整合视觉与逻辑知识，提升多模态任务表现，减少重复错误。

$How^{2}$: How to learn from procedural How-to questions

$How^{2}$: 如何从过程性如何问题中学习

Gautier Dagan, Frank Keller, Alex Lascarides

机构 * University of Edinburgh（爱丁堡大学） 纠错

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

AI总结 本文提出$How^{2}$框架，使智能体能提问、存储并复用如何问题答案，提升长期学习能力。在Plancraft环境中，抽象化答案对任务完成更有效。

Attractor FCM

吸引子FCM

Alexis Kafantaris

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

AI总结 本文提出了一种基于梯度下降和物理约束的吸引子FCM，通过残差记忆、时间反向传播和固定点锚点实现误差最小化，结合牛顿法和自适应项提升收敛效率。

Interpretable and Explainable Surrogate Modeling for Simulations: A State-of-the-Art Survey and Perspectives on Explainable AI for Decision-Making

可解释和可解释的替代建模用于模拟：一项最新综述及可解释人工智能在决策中的视角

Pramudita Satria Palar, Paul Saves, Muhammad Daffa Robani, Nicolas Verstaevel, Moncef Garouani, Julien Aligon, Koji Shimoyama, Joseph Morlier, Benoit Gaudou

机构 * IRIT, Université Toulouse Capitole（图卢兹大学IRIT） ； Université de Toulouse, ISAE-SUPAERO（图卢兹大学ISAE-SUPAERO） 纠错

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

AI总结 本文综述了替代建模与可解释人工智能的结合，探讨了如何通过可解释方法提升复杂系统模拟的透明度和决策支持能力。

Comments Accepted for publication in Archives of Computational Methods in Engineering, 2026

GhostServe: A Lightweight Checkpointing System in the Shadow for Fault-Tolerant LLM Serving

GhostServe: 一种轻量级的影子中检查点系统，用于容错的大语言模型服务

Shakya Jayakody, Youpeng Zhao, Chinmay Dhanraj Nehate, Jun Wang

机构 * Anonymous Authors（匿名作者） 纠错

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

AI总结 本文提出GhostServe，一种轻量级检查点系统，通过擦除编码在主机内存中生成和存储奇偶分片，以保护流式KV缓存，提升大语言模型服务的容错性和效率。

Comments MLSys 2026

VAnim: Rendering-Aware Sparse State Modeling for Structure-Preserving Vector Animation

VAnim：基于渲染的稀疏状态建模用于结构保持的向量动画

Guotao Liang, Zhangcheng Wang, Chuang Wang, Juncheng Hu, Haitao Zhou, Junhua Liu, Jing Zhang, Dong Xu, Qian Yu

机构 * School of Software, Beihang University, Beijing, China（北京航空航天大学软件学院） ； Department of Computer Science, The University of Hong Kong, Hong Kong, China（香港大学计算机科学系） ； College of Computer Science and Technology, Zhejiang University, Hangzhou, China（浙江大学计算机科学与技术学院） 纠错

专题命中 记忆与上下文管理 ：planning(abstract)

AI总结 VAnim提出了一种基于LLM的框架，通过稀疏状态更新和渲染感知强化学习，实现结构保持的向量动画生成，优于现有方法。

Comments Accepted to ICML 2026. Project page: https://yukinonooo.github.io/VAnimProject

AVI-Edit: Audio-sync Video Instance Editing with Granularity-Aware Mask Refiner

AVI-Edit: 基于粒度感知掩码细化的音频同步视频实例编辑

Haojie Zheng, Shuchen Weng, Jingqi Liu, Siqi Yang, Boxin Shi, Xinlong Wang

机构 * School of Software and Microelectronics, Peking University（北京大学软件与微电子学院） ； Beijing Academy of Artificial Intelligence（北京人工智能研究院） ； State Key Lab of Multimedia Info. Processing, School of Computer Science, Peking University（北京大学计算机学院多媒体信息处理国家重点实验室） ； Nat’l Eng. Research Ctr. of Visual Tech., School of Computer Science, Peking University（北京大学计算机学院视觉技术工程研究中心） ； Institute for Artificial Intelligence, Peking University（北京大学人工智能研究院） 纠错

专题命中 记忆与上下文管理 ：agent(abstract)

AI总结 本文提出AVI-Edit框架，通过粒度感知掩码细化和自反馈音频代理，实现音频同步的高质量视频实例编辑，提升了空间和时间控制精度。

Presurgical Neural Energy Landscapes Predict Postoperative Working Memory Outcome After Brain Tumor Resection

术前神经能量景观预测脑肿瘤切除术后工作记忆结果

Triet M. Tran, Sina Khanmohammadi

专题命中 记忆与上下文管理 ：planning(abstract)

AI总结 研究通过分析术前fMRI数据，利用随机森林模型发现术前高阶神经能量特征可准确预测术后工作记忆表现，准确率达90%。

Incentivizing Information Acquisition

激励信息获取

Fan Wu

专题命中 记忆与上下文管理 ：agent(abstract)

AI总结 研究通过委托-代理模型探讨如何激励代理人获取信息，提出一个必要充分条件确保存在简单阈值转移机制，适用于文献中常见信号分布。