AI Agent

Omni-Decision: A Progressive Evidence-State Agent System for Omni-Modal QA

全决策：一种用于全模态问答的渐进式证据状态智能体系统

Ming Ma, Yi Zhu, Yiran Zhong, Feida Zhu, Weigao Sun, Junhan Shi, Lingrui Mei, Tianming Yang, Steven Hoi

机构 * Institute of Neuroscience, Chinese Academy of Sciences（中国科学院神经科学研究所） ； University of Chinese Academy of Sciences（中国科学院大学） ； Tongyi Lab, Alibaba Group（阿里巴巴集团通义实验室） ； Tsinghua University（清华大学） ； Institute of Computing Technology, Chinese Academy of Sciences（中国科学院计算技术研究所） 纠错

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

AI总结 研究全模态问答中证据分散问题，提出全决策系统，将问答转化为证据闭合过程，维护结构化证据状态，通过确定性状态更新处理异构观察，提升了准确率，验证了证据状态控制在多步证据寻求中的作用。

The Compliance Trap: Diagnosing How AI Agents Consume Conflicting Memory

合规陷阱：诊断人工智能代理如何处理冲突记忆

Yixiong Chen, Xinyi Bai, Alan Yuille

机构 * Johns Hopkins University（约翰·霍普金斯大学） ； Cornell University（康奈尔大学） 纠错

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

AI总结 研究人工智能代理处理冲突记忆的问题，提出E-P-R框架，通过在WebArena和MemTrapBench上实例化发现主要失败始于入口，冲突记忆导致合规陷阱，强调评估记忆增强型代理应考虑其处理记忆的全过程。

Replicating Belief, Not Bits: Epistemic State Replication for Agentic Systems

复制信念，而非比特：智能系统的认知状态复制

Jun He, Deying Yu

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

AI总结 研究智能分布式系统中确定性逐比特复制不足的问题，提出认知状态复制（ESR）方法，将复制边界从数据可见性转移到知识可见性，定义相关安全性概念并给出协议，通过原型设计和模拟验证了可行性及能减少二次认知故障。

Comments 16 pages, 4 tables

OpsMem: Dual-Memory Reasoning with Cross-Memory Resonance for Failure Diagnosis

OpsMem：用于故障诊断的具有跨内存共振的双内存推理

Yongqian Sun, Rongchen Gao, Yu Luo, Wenwei Gu, Shenglin Zhang, Qingyi Guo, Qiuai Fu, Yaoliang Wu, Dan Pei

机构 * Huawei（华为） 纠错

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

AI总结 针对现代软件系统故障诊断中缺乏协调诊断状态与操作经验机制的问题，提出双内存框架OpsMem，通过跨内存共振等进行多智能体诊断，实验表明其在华为微服务故障诊断数据集上优于基线，提升了匹配度和相关性。

Comments 6 pages, 5 figures

Agentic Context Learning with Self-Discovered Specification

通过自我发现的规范进行智能体上下文学习

Jike Zhong, Ming Li, Yuxiang Lai, Ziyan Yang, Jingyu Xie, Jihyung Kil, Zheda Mai, Shao-Yuan Lo, Ren Xiang, Konstantinos Psounis, Yuanyuan Lei

机构 * University of Southern California（南加州大学） ； University of Florida（佛罗里达大学） ； Emory University（埃默里大学） ； Adobe Research（Adobe研究院） ； The Ohio State University（俄亥俄州立大学） ； National Taiwan University（国立台湾大学） 纠错

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

AI总结 研究上下文学习困难的原因，发现其不仅需内容获取还需规范获取。设计PSCI干预措施，提取并强化局部规范，在多个模型上取得显著提升，验证了规范获取的重要性，表明上下文学习依赖内容与规范获取。

ToolAtlas: Learning Once, Reusing Everywhere with Tool-Side Memory

ToolAtlas：通过工具端内存实现一次学习、处处复用

Yue Fang, Zhibang Yang, Fangkai Yang, Xiaoting Qin, Liqun Li, Qingwei Lin, Saravan Rajmohan, Dongmei Zhang

机构 * School of Computer Science, Peking University（北京大学计算机科学学院） ； Microsoft（微软） 纠错

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

AI总结 研究针对大语言模型代理依赖外部工具时工具知识难共享问题，提出ToolAtlas框架，通过执行验证探测构建提供商端工具内存，经实验证明该框架能有效提升性能且可跨环境和框架复用，确立了提供商端工具内存范式。

Critsly: An Artefact-Aware AI Critique Teammate for Design Education and Project-Based Learning

Critsly：用于设计教育和基于项目学习的人工制品感知人工智能批判队友

Nizam Kadir, Juan David Salazar Rodriguez, Sumaiyya Al

专题命中 记忆与上下文管理 ：planning(abstract)；workflow(abstract)

AI总结 研究针对设计教育和基于项目学习中高质量批判稀缺等问题，提出Critsly这一人工制品感知的人工智能批判工作区，结合多种功能，将AI变为批判队友，为学习者和教育者提供更优批判实例。

Comments 3 pages, Accepted submission to the 27th International Conference on Artificial Intelligence in Education Interactive Events Track

Auditing the Risk Claims of Distributional Reinforcement Learning

审核分布强化学习的风险声明

Hari Prasad

机构 * Hari Prasad 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 研究分布强化学习智能体风险声明真实性，结合决策指标与统计工具审核，发现多数声明被驳斥，风险反映训练假象，阳性对照证实部分真实声明，训练和集成无法消除问题，重新校准仅否定声明，还记录审核陷阱。

Comments 25 pages, 8 figures, 3 tables (main text); includes supplementary material

Learning Residual Kinematic Corrections for Continuous Neural Decoding via Reinforcement Learning

通过强化学习学习连续神经解码的残余运动学校正

Jiamian Li, Niall McShane, Attila Korik, Naomi du Bois, Karl McCreadie, Leen Jabban, Benjamin Metcalfe, Özgür Şimşek, Damien Coyle

机构 * University of Bath（巴斯大学） ； University of Ulster（阿尔斯特大学） ； Bath Institute for the Augmented Human（巴斯增强人类研究所） 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 研究针对基于EEG的BCI连续3D运动想象解码难题，提出CNN-LSTM-RL两阶段框架，用强化学习对解码器输出校正残余运动学误差，实验表明该框架有效提升解码性能，推动相关领域发展。

Long-Memory Reservoir Computing for Data-Scarce Dengue Forecasting

用于数据稀缺的登革热预测的长记忆回声状态网络计算

Rahul Goswami, Shinjini Paul, Palash Ghosh, Tanujit Chakraborty

机构 * Indian Institute of Technology Guwahati（印度理工学院古瓦哈蒂分校） ； Sorbonne University Abu Dhabi（阿布扎赫大学索邦大学） ； Leiden University（莱顿大学） ； Sorbonne University（索邦大学） 纠错

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

AI总结 针对登革热预测中数据稀缺、序列复杂的问题，提出长记忆回声状态网络计算框架，包含fESN和wESN两个变体，能有效编码长期依赖性，优于统计和深度学习基线，结合共形预测可提供不确定性区间。

Feedback-Coupled Memory Systems in Continuous Time

连续时间中的反馈耦合记忆系统

Stefano Grassi

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

AI总结 研究反馈耦合记忆系统，通过基于机制的智能和耦合记忆图过程分别定义未明确的代理更新算子和环境更新算子，推广了离散FCMS稳定性条件等，实现连续时间FCMS实例的李雅普诺夫全局耗散性，数值模拟和验证证实相关结论。

Comments 19 pages, 4 figures. Extends arXiv:2603.11560 to continuous time. Code: github.com/stevefatz95/fcms-continuous

MindClaw: Closed-Loop Embodied Mental-State Reasoning for Precision Intervention

MindClaw: 用于精确干预的闭环具身心理状态推理

Ruoxuan Zhang, Qiaoqiao Wan, Zhengguang Wang, Chenghao Yu, Hongxia Xie, Jianlong Fu, Wen-Huang Cheng

机构 * Jilin University（吉林大学） ； Microsoft Asia（微软亚洲） ； National Taiwan University（国立台湾大学） 纠错

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

AI总结 提出MindClaw框架，通过闭环具身心理状态推理实现精确干预，结合多源输入、信念记忆、认知触发技能和动作生成，在动态环境中优化干预时机。

Comments Extended version of the CVPR 2026 paper *MindPower: Enabling Theory-of-Mind Reasoning in VLM-based Embodied Agents*. This work is in progress

EmbodiSkill: Skill-Aware Reflection for Self-Evolving Embodied Agents

EmbodiSkill：基于技能的反思以实现自我进化的具身智能体

Ruofei Ju, Xinrui Wang, Xin Ding, Yifan Yang, Hao Wu, Shiqi Jiang, Qianxi Zhang, Hao Wen, Xiangyu Li, Weijun Wang, Kun Li, Yunxin Liu, Haipeng Dai, Wei Wang, Ting Cao

机构 * Nanjing University（南京大学） ； Huazhong University of Science and Technology（华中科技大学） ； University of Science and Technology of China（中国科学技术大学） ； Microsoft Research（微软研究院） ； Institute for AI Industry Research (AIR) Tsinghua University（清华大学人工智能产业研究院） 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EmbodiSkill，一种无需训练的具身技能自我进化框架，通过技能感知反思和针对性修订提升任务成功率。

Randomized Confidence Bounds for Stochastic Partial Monitoring

随机部分监测的随机置信界

Maxime Heuillet, Ola Ahmad, Audrey Durand

机构 * Canada CIFAR AI Chair（加拿大CIFAR人工智能主席） ； Mila - Québec AI Institute（魁北克人工智能研究所） ； Thales Digital Solutions (cortAIx lab)（泰勒斯数字解决方案（cortAIx实验室）） 纠错

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

AI总结 研究随机结果下的上下文和非上下文部分监测设置，基于确定性置信界随机化引入新策略，扩展遗憾保证，实验表明新策略在多个PM博弈中性能良好，还设计了监测分类系统错误率的用例。

Xema: Efficient Diffusion Serving through Fine-Grained Memory Management and Auto-Configuration

Xema：通过细粒度内存管理和自动配置实现高效扩散服务

Xueze Kang, Guangyu Xiang, Suyi Li, Yuxin Wang, Shaohuai Shi, Lin Zhang, Xiaowen Chu

专题命中 记忆与上下文管理 ：planning(abstract)

AI总结 研究针对扩散模型服务受GPU内存限制问题，提出Xema系统，通过细粒度内存管理和自动配置，利用可预测张量生命周期优化内存，引入离线规划器联合选择参数，实现高效扩散服务，相比现有配置提升SLO达成率并降低规划成本。

HSF-S: Speed-Optimized Compilation and Acceleration for Hybrid Schrodinger-Feynman Quantum Circuit Emulation

HSF-S：用于混合薛定谔 - 费曼量子电路仿真的速度优化编译与加速

Sechan Park, Kyeongwon Lee, Mundo Jeong, Chaebin Jung, Woojoo Lee

专题命中 记忆与上下文管理 ：workflow(abstract)

AI总结 研究针对混合薛定谔 - 费曼量子电路仿真实际运行时间受跨边界双量子比特门指数级路径增长主导的问题，提出HSF-S框架，通过特定方法抑制跨边界相互作用，降低路径成本，在基准电路上大幅提高可处理性并实现加速。

Comments 11 pages, 8 figures, 2 tables. This paper is accepted for ICCAD 2026

A Fokker-Planck approach to a stochastic multiplicative wealth model with taxation and redistribution

一种用于具有税收和再分配的随机乘法财富模型的福克 - 普朗克方法

Iago Nascimento Barros, Marcelo Lobato Martins, Celia Anteneodo

专题命中 记忆与上下文管理 ：agent(abstract)

AI总结 研究具有税收和再分配的随机乘法财富模型，采用福克 - 普朗克方法，扩展原始公式涵盖多种再分配协议，推导平稳财富分布表达式，经模拟验证，用基尼指数量化，揭示特定再分配方案可减轻财富差距。

Comments 11 pages, 6 figures

Revisiting the non-equilibrium phase transitions of the continuous-trait Axelrod model

重新审视连续性状阿克塞尔罗德模型的非平衡相变

Sandro M. Reia, Paulo R. A. Campos, José F. Fontanari

专题命中 记忆与上下文管理 ：agent(abstract)

AI总结 研究连续性状阿克塞尔罗德模型的非平衡相变，通过分析中位数缩放和概率分布揭示其相变特征，发现\(F = 2\)时为混合转变，\(F = 3\)时为非混合一阶转变，还应用于离散泊松变体建立统一表征。

HYPIC: Accelerating Hybrid-Attention LLM Serving with Position-Independent Caching

HYPIC: 利用位置无关缓存加速混合注意力LLM服务

Yifei Liu, Juntong Wu, Yang Liu, Junhao Hu, Minghao Li, Xiaoxu Chen, Weihang Chen

专题命中 记忆与上下文管理 ：agentic(abstract)

AI总结 提出Hypic系统，通过段累积转移算子和边界重计算，实现混合注意力LLM的位置无关缓存，显著降低首令牌延迟并提升吞吐量。