AI Agent

Two thousand years of the oracle problem. Insights from Ancient Delphi on the future of blockchain oracles

两千年之 Oracle 问题。从古代德尔斐对区块链 oracle 未来的启示

Giulio Caldarelli, Massimiliano Ornaghi

专题命中 记忆与上下文管理 ：agent(abstract)

AI总结 本文通过对比古代德尔斐 oracle 与现代区块链 oracle，探讨如何利用德尔斐的洞察提升区块链 oracle 的可靠性，并提出一个可用于分析和分类其他古代 oracle 机制的框架。

Comments Not peer reviewed

Equilibrium and dynamics of a three-state opinion model on a network of networks

网络中的网络上三状态意见模型的平衡与动态

Irene Ferri, Albert Díaz-Guilera, Hiroki Sayama

专题命中 记忆与上下文管理 ：agent(abstract)

AI总结 本文研究了在由网络组成的网络上的一种三状态意见模型，探讨了个体内部相互关联的信念如何影响集体结果，通过分析方法和蒙特卡洛模拟发现，随着星型代理内部信念的增加，极化共识崩溃的临界温度增加，而在环形和聚类状内部拓扑中趋于饱和。

Comments 15 pages, 10 figures

SpineContextResUNet: A Computationally Efficient Residual UNet for Spine CT Segmentation

SpineContextResUNet: 一种计算高效的残差U-Net用于脊柱CT分割

K S Nithurshen, Saurabh J. Shigwan

机构 * Shiv Nadar University（施瓦德纳大学） 纠错

专题命中 记忆与上下文管理 ：planning(abstract)

AI总结 本文提出SpineContextResUNet，一种高效的3D残差U-Net，用于快速脊柱定位，通过轻量级的上下文块在不牺牲性能的情况下减少了计算资源需求，适用于资源受限环境。

Comments 2 Figures, 3 Tables

CALMem : Application-Layer Dual Memory for Conversational AI

CALMem : 会话AI的应用层双记忆

Rajendra Narayan Jena, Rajan Padmanabhan, Sankar Arumugam

专题命中 记忆与上下文管理 ：agent(abstract)

AI总结 针对大型语言模型固定上下文窗口限制会话连续性的问题，CALMem提出了一种应用层双记忆架构，通过结合事件记忆层和语义记忆层，实现无限制的有效上下文容量，无需修改底层模型。

Why Latent Actions Fail, and How to Prevent It

为何潜在动作失效，以及如何防止它

Jung Min Lee, Taehyun Cho, Li Zhao, Jungwoo Lee

机构 * Seoul National University（首尔国立大学） ； Microsoft Research（微软研究院） 纠错

专题命中 记忆与上下文管理 ：agent(abstract)

AI总结 本文研究了潜在动作模型中外部状态对动作学习的干扰问题，并提出通过聚焦内生成分来缓解噪声干扰的方法。

Safe Deep Reinforcement Learning for Spacecraft Reorientation with Pointing Keep-Out Constraint

具有指向保持区约束的空间飞行器再定向的安全深度强化学习

Juntang Yang, Mohamed Khalil Ben-Larbi

专题命中 记忆与上下文管理 ：agent(abstract)

AI总结 本文提出了一种用于具有单一指向保持区的空间飞行器再定向控制的深度强化学习方法，设计了新的状态空间表示，制定了奖励函数以实现控制目标并施加姿态约束，采用软演员评论家算法处理连续状态和动作空间，并通过课程学习方法训练智能体，通过基于控制屏障函数的安全过滤器保证姿态约束的合规性。

Continuous Aggregative LQG Games with Delayed Discrete Observations

具有延迟离散观测的连续聚集线性二次博弈

Farid Rajabali, Roland Malhame, Sadegh Bolouki

专题命中 记忆与上下文管理 ：agent(abstract)

AI总结 本文研究了在延迟离散观测条件下，连续聚集线性二次博弈中的纳什均衡存在性及延迟观测对成本的影响。

Comments 11 pages, 3 figures. Submitted to Automatica

Achieving Generational Peace in Mali through Intergenerational Mean-Field-Type Game-based Incentives

通过代际均场型博弈激励实现马里世代和平

Hamidou Tembine

专题命中 记忆与上下文管理 ：agent(abstract)

AI总结 本文提出一个代际均场型博弈模型，研究马里及邻国多主体冲突生态系统，揭示代际报复型行为如何导致暴力持续传承，并通过代际兼容的激励机制推动系统性缓和。

Comments Presented at IA Mali 2025. At CSS 2026

Ranking Opinions with Few States in Population Protocols

用少量状态进行人口协议中的意见排名

Tom-Lukas Breitkopf, Julien Dallot, Antoine El-Hayek, Stefan Schmid

专题命中 记忆与上下文管理 ：agent(abstract)

AI总结 该研究提出了一种使用$ k^3 $状态的人口协议，解决了相对多数问题，并进一步扩展以处理各种破 tie 机制和不同颜色的初始顺序情况。

Comments To appear at PODC 2026

Reinforcement Learning Assisted Quantum Simulation of Many-Body Excited States and Real-Time Dynamics

强化学习辅助的多体激发态和实时动力学量子模拟

Jiaji Zhang, Lipeng Chen, Carlos L. Benavides-Riveros

专题命中 记忆与上下文管理 ：agent(abstract)

AI总结 本文提出了一种基于强化学习的量子模拟方法，用于计算多费米子系统的激发态和实时量子动力学，通过自适应选择二体算子提高模型的紧凑性和鲁棒性，并展示了该方法在化学系统中的高精度表现。

Distributed Synthesis of Gray-Box Distributed H2 Controllers

分布式灰盒H2控制器合成

Michael C. A. Nestor, Fei Teng

专题命中 记忆与上下文管理 ：agent(abstract)

AI总结 本文提出一种分布式灰盒方法，结合部分已知的模型知识和输入-状态数据，设计可扩展且能处理未知动态的H2控制器，通过ADMM在无中心服务器的情况下实现迭代求解。

Comments Accepted for presentation at the 23rd IFAC World Congress, Busan, South Korea, 2026

Error-Tolerant Quantum State Discrimination: Optimization and Quantum Circuit Synthesis

容错量子态鉴别：优化与量子电路综合

Chien-Kai Ma, Bo-Hung Chen, Tian-Fu Chen, Dah-Wei Chiou, Jie-Hong Roland Jiang

专题命中 记忆与上下文管理 ：workflow(abstract)

AI总结 本文提出两种互补方法，CrossQSD通过可调置信度边界平衡准确性和效率，FitQSD通过优化测量结果分布近似理想无噪声情况，同时提供统一的混合目标QSD框架，允许灵活权衡不同目标，并通过改进的Naimark扩张和等距综合框架实现硬件高效实现，减少量子比特和门资源，提供开源工具包自动化优化和综合流程。

Journal ref International Conference on Tools and Algorithms for the Construction and Analysis of Systems, 2026

The Varieties of Schelling Model Experience

施莱辛格模型经验的多样性

Marlyn Boke, Timothy Sorochkin, Jesse Anttila-Hughes, Alan O. Jamison

专题命中 记忆与上下文管理 ：agent(abstract)

AI总结 本文通过相图分类对施莱辛格模型的54种规则变体进行了全面分析，发现只有3种相图类别，揭示了相变的驱动因素，并为更复杂的施莱辛格类模型研究奠定了基础。

Causal State-Dependent Local Projections

基于状态的局部投影

Joel M. David, Raffaella Giacomini, Xiyu Jiao, Weining Wang

专题命中 记忆与上下文管理 ：agent(abstract)

AI总结 本文研究了基于状态的局部投影在微观-宏观环境中的因果解释，提出了一种 sieve-based LP estimator 以恢复因果响应并提供有效的推断。

Comments 80 pages, including appendices; 8 figures, 7 tables

Self-Evolving Distributed Memory Architecture for Scalable AI Systems

自演化分布式内存架构用于可扩展AI系统

Zixuan Li, Chuanzhen Wang, Haotian Sun

专题命中 记忆与上下文管理 ：agent(abstract)

AI总结 本文提出一种三层架构，通过动态内存管理提升AI系统在计算、通信和部署层的效率，实现内存利用率提升和通信延迟降低。

Comments 21 pages

A Heavy Ion Monitor on a Chip Based on a Non-Volatile Memory Architecture -- Part II: Device Characterization & Modeling

基于非易失存储器架构的重离子监测器芯片——第二部分：器件特性与建模

Dale Julson, Mike Youngs, Hannah Lowrey, David Keltner, Tim Hossain, Clayton Fullwood

专题命中 记忆与上下文管理 ：workflow(abstract)

AI总结 本研究通过实验验证了HIMoC的灵敏度，并利用Geant4与DEVSIM模拟工具建模重离子诱导信号，证实其作为被动重离子剂量计的可行性。

A Mechanistic Model for Collective Motion from Sensorimotor Regularities

从传感器运动规律出发的集体运动机制模型

Vito Mengers, Bao Duc Cao, Oliver Brock

机构 * Robotics and Biology Laboratory, Technische Universität Berlin, Germany（技术大学柏林机器人与生物学实验室，德国） ； Science of Intelligence, Research Cluster of Excellence, Berlin, Germany（智能科学，卓越研究集群，柏林，德国） ； Robotics Institute Germany（德国机器人研究所） 纠错

专题命中 记忆与上下文管理 ：agent(abstract)

AI总结 本文提出基于机器人建模框架的集体运动机制模型，通过感知和动作的梯度下降实现群体行为，揭示了传感器运动规律在集体行为中的作用。

SotA Lens: A Network-Augmented Methodology and Tool for Exploratory State-of-the-Art Reviews

SotA Lens：一种网络增强的方法论和工具用于探索性现状综述

Diogo Peralta Cordeiro

专题命中 记忆与上下文管理 ：workflow(abstract)

AI总结 本文提出SotA Lens，一种网络增强的方法和轻量级工具，用于探索性现状综述，通过结合多种技术手段帮助研究人员识别领域中的聚类和空白，产生可审计的综述成果。

Comments 11 pages, 3 figures, 2 tables; original methodology/software paper with proof-of-concept case study; software DOI: 10.5281/zenodo.19860899

Privacy is Fungibility: Why Endogenous Tokens Are Not Money

隐私即是法币性：为何内生代币不是货币

Alex Lynham, Geoffrey Goodell

专题命中 记忆与上下文管理 ：agent(abstract)

AI总结 本文论证内生代币如加密资产并非货币。通过定义和分类公开无许可账本上的代币，对比私人发行的稳定币及CBDC设计，指出多数公开账本缺乏现金原生要素，稳定币无法胜任，且依赖内生代币的网络会将持有者暴露于相同风险。

Comments 20 pages, 2 tables

Real-time reinforcement learning for turbulent state-dependent control in a bluff-body wake

湍流状态依赖控制的实时强化学习

Junjie Zhang, Chengwei Xia, Xianyang Jiang, Isabella Fumarola, Georgios Rigas

专题命中 记忆与上下文管理 ：agent(abstract)

AI总结 本文提出REACT框架，通过实时强化学习控制风洞中 bluff-body 唆流，减少阻力并实现能耗节省，发现动态抑制相干结构能提高效率。

MemCompiler: Compile, Don't Inject -- State-Conditioned Memory for Embodied Agents

MemCompiler: 编译，而非注入 -- 用于具身智能体的状态条件化记忆

Xin Ding, Xinrui Wang, Yifan Yang, Hao Wu, Shiqi Jiang, Qianxi Zhang, Liang Mi, Hanxin Zhu, Kun Li, Yunxin Liu, Zhibo Chen, Ting Cao

机构 * University of Science and Technology of China（中国科学技术大学） ； Huazhong University of Science and Technology（华中科技大学） ； Microsoft Research（微软研究院） ； Nanjing University（南京大学） ； 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)

AI总结 MemCompiler通过状态条件化记忆编译提升具身智能体的记忆效率与效果，在多个基准测试中实现性能提升和延迟降低。

MindMirror: A Local-First Multimodal State-Aware Support System for Digital Workers

MindMirror: 一种面向数字工作者的本地优先多模态状态感知支持系统

Wenqi Luo, Changbo Wang, Yan Wang

专题命中 记忆与上下文管理 ：workflow(abstract)

AI总结 MindMirror通过整合面部表情、文本输入和语音交互等多模态数据，为数字工作者提供本地优先的状态感知支持，通过本地大语言模型生成响应，提升工作效率与状态监控能力。

Comments 10 pages, 4 figures, 12 tables. Technical report

Grounding by Remembering: Cross-Scene and In-Scene Memory for 3D Functional Affordances

通过记忆实现 grounding：跨场景和场景内的记忆用于3D功能 affordances

Qirui Wang, Jingyi He, Yining Pan, Xulei Yang, Shijie Li

机构 * TUM（慕尼黑工业大学） ； A*STAR（新加坡科技研究局） 纠错

专题命中 记忆与上下文管理 ：agent(abstract)

AI总结 本文提出AFFORDMEM框架，通过跨场景和场景内的记忆实现3D功能 affordances的grounding，无需微调和标注，提升AP50性能。

Population Protocols over Ordered Agents

基于有序代理的人群协议

Michael Blondin, Michaël Cadilhac, Benjamin Courchesne, Lucie Guillou, Corto Mascle, Isa Vialard

专题命中 记忆与上下文管理 ：agent(abstract)

AI总结 本文研究了基于有序代理的人群协议，探讨了其在识别无歧义星形自由语言中的作用，并展示了在特定条件下协议与空间复杂度的关系。

Action Recommendations for Sequentially Rational Strategic Agents

为序列理性战略代理制定动作推荐

Renyan Sun, Ashutosh Nayyar

专题命中 记忆与上下文管理 ：agent(abstract)

AI总结 本文研究如何通过动作推荐激励战略代理采用服从策略，提出基于逆向归纳法求解线性规划的算法，以实现设计者目标与代理序列理性之间的平衡。

MapNav: A Novel Memory Representation via Annotated Semantic Maps for Vision-and-Language Navigation

MapNav: 一种通过标注语义地图的新型记忆表示方法用于视觉-语言导航

Lingfeng Zhang, Xiaoshuai Hao, Qinwen Xu, Qiang Zhang, Xinyao Zhang, Pengwei Wang, Jing Zhang, Zhongyuan Wang, Shanghang Zhang, Renjing Xu

机构 * The Hong Kong University of Science and Technology (Guangzhou)（香港科技大学（广州）） ； Beijing Academy of Artificial Intelligence（北京人工智能研究院） ； Tsinghua University（清华大学） ； Beijing Innovation Center of Humanoid Robotics Co., Ltd.（北京人形机器人创新中心有限公司） ； School of Computer Science, Wuhan University（武汉大学计算机学院） ； State Key Laboratory of Multimedia Information Processing, School of Computer Science, Peking University（北京大学多媒体信息处理国家重点实验室，计算机学院） 纠错

专题命中 记忆与上下文管理 ：agent(abstract)

AI总结 本文提出MapNav，通过标注语义地图替代传统历史帧，提升视觉-语言导航任务的性能，实验表明其在模拟和现实环境中均达到SOTA水平。

Optimizing ground state preparation protocols with autoresearch

利用自研算法优化基态准备协议

Luis Mantilla Calderón, Jérôme F. Gonthier, Ignacio Gustin, Varinia Bernales, Alán Aspuru-Guzik

专题命中 记忆与上下文管理 ：agent(abstract)

AI总结 本文研究如何利用基于人工智能的语言模型编码代理优化不同基态准备和采样协议的超参数选择，通过在简单自旋模型和分子哈密顿量上验证，展示编码代理在受限计算预算下改进能量代理的能力。

Comments 18 pages, 5 figures

FATE: Future-State-Aware Scheduling for Heterogeneous LLM Workflows

FATE：面向异构大语言模型工作流的未来状态感知调度

Zirui Huang, Yi-Xiang Hu, Feng Wu, Xiangyang Li

专题命中 记忆与上下文管理 ：workflow(abstract)

AI总结 FATE通过结合前沿规划、前瞻性候选评分和多设备分片执行，优化异构LLM工作流的未来状态，降低延迟并提升效率。

Non-Markovian Collective Motion from Self-Regulated Perceptual Dynamics

非马尔可夫集体运动来自自我调节的感知动力学

Jyotiranjan Beuria

专题命中 记忆与上下文管理 ：agent(abstract)

AI总结 本文提出一个双时间尺度模型，通过快感知寄存器和慢调节变量实现非马尔可夫集体运动，揭示了局部反馈如何影响集体秩序和调节强度。

Comments 15 pages, 5 figures

Locational Energy Storage Bid Bounds for Facilitating Social Welfare Convergence

区域能源存储报价界限以促进社会福利收敛

Ning Qi, Bolun Xu

专题命中 记忆与上下文管理 ：agent(abstract)

AI总结 本文提出基于多期经济调度的报价界限方法，通过整合系统不确定性和风险偏好，有效限制能源存储报价，提升社会福利，实验证明在不同场景下可降低系统成本并增加存储利润。

Journal ref IEEE Transactions on Energy Markets, Policy and Regulation, vol. 3, no. 4, pp. 486-497, Dec. 2025