AI Agent

Irminsul: MLA-Native Position-Independent Caching for Agentic LLM Serving

Irminsul：基于MLA的原生位置无关缓存用于代理LLM服务

Bole Ma, Jan Eitzinger, Harald Köstler

机构 * Erlangen National High Performance Computing Center（埃朗根国家高性能计算中心） 纠错

专题命中 其他Agent ：agentic(title,abstract)；分类 cs.AI、cs.LG

AI总结 本文提出Irminsul，一种基于MLA的原生位置无关缓存，通过内容哈希键和δ旋转规则提升代理LLM服务性能，实现高达83%的提示词恢复率和63%的预填能量节省。

Agentic AIs Are the Missing Paradigm for Out-of-Distribution Generalization in Foundation Models

代理AI是基础模型在分布外泛化中的缺失范式

Xin Wang, Haibo Chen, Wenxuan Liu, Wenwu Zhu

机构 * Tsinghua University（清华大学） 纠错

专题命中 其他Agent ：agentic(title,abstract)；分类 cs.LG

AI总结 本文提出代理系统是解决基础模型分布外泛化问题的必要范式，通过四个步骤论证代理系统在结构上超越了传统模型中心范式，提出了参数覆盖上限的理论，并反驳了七项反论点。

Comments 13 pages, 2 figures

When Should Users Check? Modeling Confirmation Frequency inMulti-Step Agentic AI Tasks

用户何时应检查？在多步骤代理AI任务中建模确认频率

Jieyu Zhou, Aryan Roy, Sneh Gupta, Daniel Weitekamp, Christopher J. MacLellan

专题命中 其他Agent ：agentic(title)；AI agent(abstract)

AI总结 本文提出了一种基于时间调度的模型，用于确定多步骤AI任务中最佳的确认点位置，通过实验发现用户更倾向于中间确认而非终点确认，从而减少任务完成时间。

Comments Accepted by Proceedings of the 2026 CHI Conference on Human Factors in Computing Systems (CHI '26), April 13--17, 2026, Barcelona, Spain