AI Agent

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。

Approximations and Learning for Decentralized Stochastic Control and Near Optimal Finite Window Policies

近似与学习用于去中心化随机控制及近最优有限窗口策略

Omar Mrani-Zentar, Serdar Yuksel

专题命中 记忆与上下文管理 ：agent(abstract)

AI总结 本文研究去中心化随机控制问题，提出在一般标准Borel空间下，通过有限窗口信息策略实现近最优局部策略，并证明其稳定性条件及Q学习算法的收敛性。

Comments arXiv admin note: text overlap with arXiv:2408.13828

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。

Resolving growth-induced off-stoichiometry in AgCrSe$_2$ single crystals

解析AgCrSe₂单晶中的生长诱导非化学计量问题

Felix Eder, Zeno Maesen, Yurii Skourski, Enrico Giannini, Oksana Zaharko, Fabian O. von Rohr

专题命中 记忆与上下文管理 ：agent(abstract)

AI总结 研究通过元素分析和X射线衍射发现AgCrSe₂单晶存在系统性非化学计量，优化自流生长法可恢复其磁性转变温度，为评估异常输运现象的内在性提供平台。

Digital Twin-assisted belief-state reinforcement learning for latency-robust ISAC in 6G networks

数字孪生辅助的信念状态强化学习用于6G网络中的时延鲁棒ISAC

Himanshu Tiwari, Binayak Kar, Priyanshu Tiwari

专题命中 记忆与上下文管理 ：agent(abstract)

AI总结 本文提出一种数字孪生辅助的信念状态强化学习框架，用于6G网络中时延鲁棒的集成感知与通信。通过扩展卡尔曼滤波重建同步信念状态，并利用近端策略优化进行联合波束成形和功率分配，实验证明在高时延下显著提升性能。

Comments 6 Pages, 7 Figures, accepted for presentation at IEEE INFOCOM 2026 Workshop (ISAC-FutureG), Tokyo, Japan

CacheFlow: Efficient LLM Serving with 3D-Parallel KV Cache Restoration

CacheFlow: 高效的大语言模型服务中的3D并行KV缓存恢复

Sean Nian, Jiahao Fang, Qilong Feng, Zhiyu Wu, Fan Lai

专题命中 记忆与上下文管理 ：agentic(abstract)

AI总结 本文提出CacheFlow框架，通过3D并行抽象优化KV缓存恢复，减少TTFT时间，提升大语言模型服务效率。

Comments 11 pages, 10 figures

AFA: Identity-Aware Memory for Preventing Persona Confusion in Multi-User Dialogue

AFA：面向防止多用户对话中身份混淆的身份感知记忆

Mohammad Al-Ratrout, Pavan Uttej Ravva, Shayla Sharmin, Aditya Raikwar, Ju Young Shin, Roghayeh Leila Barmaki

专题命中 记忆与上下文管理 ：agent(abstract)

AI总结 本文提出AFA框架，通过语音识别与用户记忆结合，实现多用户对话中的身份感知个性化，通过PAT数据集评估，展示身份感知路由显著提升Persona Attribution Accuracy。

Spore: Efficient and Training-Free Privacy Extraction Attack on LLMs via Inference-Time Hybrid Probing

Spore：通过推理时间混合探测实现高效的隐私提取攻击

Yu Cui, Ruiqing Yue, Hang Fu, Sicheng Pan, Zhuoyu Sun, Baohan Huang, Haibin Zhang, Cong Zuo, Licheng Wang

专题命中 记忆与上下文管理 ：agent(abstract)

AI总结 本文提出Spore攻击，通过推理时间混合探测实现对LLM内存的隐私提取，无需训练，适用于黑盒和灰盒环境，具有高效查询和高信息泄露率。

Informational Memory Shapes Collective Behavior in Intelligent Swarms

信息记忆塑造智能群体的集体行为

Shengkai Li, Trung V. Phan, Luca Di Carlo, Gao Wang, Van H. Do, Elia Mikhail, Robert H. Austin, Liyu Liu

专题命中 记忆与上下文管理 ：agent(abstract)

AI总结 研究通过实验和理论分析，探讨信息记忆如何影响智能群体的集体行为，揭示信息处理与物理交互的协同作用。

Journal ref Physical Review Letters, 136, 138302, 2026

Trust as a Situated User State in Social LLM-Based Chatbots: A Longitudinal Study of Snapchat's My AI

信任作为社交LLM聊天机器人中的情境用户状态：对Snapchat My AI的纵向研究

Annie Landerberg, Kari Flatmo, Alan Said

专题命中 记忆与上下文管理 ：agent(abstract)

AI总结 研究探讨了用户在社交LLM聊天机器人中信任的形成机制，发现信任受感知能力、对话行为、人类相似性、透明度、隐私担忧及主机平台信任等因素影响，强调信任是动态变化的交互过程。

Comments Accepted to 34th ACM International Conference on User Modeling, Adaptation and Personalization (UMAP'26)

Noise-Resilient Quantum Reinforcement Learning

抗噪的量子强化学习

Jing-Ci Yue, Jun-Hong An

专题命中 记忆与上下文管理 ：agent(abstract)

AI总结 本文提出一种抗噪量子强化学习方案，通过研究非马尔可夫性退相干对求解代理-环境相互作用哈密顿量本征态的影响，发现总代理-噪声系统能谱中束缚态的形成可恢复无噪声情况下的QRL性能。

Journal ref Phys. Rev. Applied 25, 044060 (2026)

SAMannot: A Memory-Efficient, Local, Open-source Framework for Interactive Video Instance Segmentation based on SAM2

SAMannot: 一种内存高效、局部、开源的基于SAM2的交互式视频实例分割框架

Gergely Dinya, András Gelencsér, Krisztina Kupán, Clemens Küpper, Kristóf Karacs, Anna Gelencsér-Horváth

机构 * Max Planck Institute for Biological Intelligence（生物智能马克斯·普朗克研究所） 纠错

专题命中 记忆与上下文管理 ：workflow(abstract)

AI总结 SAMannot通过整合SAM2模型，提供本地化、开源的交互式视频实例分割解决方案，解决了手动标注瓶颈和隐私问题，支持YOLO和PNG格式的研究数据集生成。

Instruction-as-State: Environment-Guided and State-Conditioned Semantic Understanding for Embodied Navigation

指令作为状态：环境引导和状态条件的语义理解用于具身导航

Zhen Liu, Yuhan Liu, Jinjun Wang, Jianyi Liu, Wei Song, Jingwen Fu

机构 * National Key Laboratory of Human-Machine Hybrid Augmented Intelligence（人机混合增强智能国家重点实验室） ； The Institute of Artificial Intelligence and Robotics（人工智能与机器人研究所） ； School of Information Science and Technology（信息科学与技术学院） ； Zhongguancun Academy（中关村学院） 纠错

专题命中 记忆与上下文管理 ：agent(abstract)

AI总结 本文提出了一种环境引导和状态条件的语义理解方法，通过动态指令-感知纠缠提升具身导航性能，实验表明在多个基准测试中表现优异。

Strong MHD Turbulence and Coherent Structures as Drivers of Cosmic Particle Acceleration

强磁流体湍流与相干结构作为宇宙粒子加速的驱动因素

Loukas Vlahos

专题命中 记忆与上下文管理 ：agent(abstract)

AI总结 本文探讨强湍流与相干结构在宇宙粒子加速中的核心作用，强调其在能量转化和粒子加速中的关键地位，提出需整合多尺度等离子体动力学与可观测的高能粒子特征。

Comments 24 pages, 24 figures. Comments and suggestions are welcome

Dual-Timescale Memory in a Spiking Neuron-Astrocyte Network for Efficient Navigation

双时间尺度记忆在尖峰神经元-胶质细胞网络中的应用：用于高效导航

Yuliya Tsybina, Evgenia Antonova, Sergey Shchanikov, Vsevolod Kulagin, Alexey Mikhaylov, Victor Kazantsev, Vyacheslav Demin, Susanna Gordleeva

专题命中 记忆与上下文管理 ：agent(abstract)

AI总结 本文提出了一种结合神经元和胶质细胞动态的双时间尺度记忆机制，通过尖峰时间依赖性可塑性（STDP）和胶质细胞钙瞬变，实现高效导航，减少路径长度并提升目标完成率。

HY-World 2.0: A Multi-Modal World Model for Reconstructing, Generating, and Simulating 3D Worlds

HY-World 2.0：一个多模态世界模型用于重建、生成和模拟3D世界

Team HY-World, Chenjie Cao, Xuhui Zuo, Zhenwei Wang, Yisu Zhang, Junta Wu, Zhenyang Liu, Yuning Gong, Yang Liu, Bo Yuan, Chao Zhang, Coopers Li, Dongyuan Guo, Fan Yang, Haiyu Zhang, Hang Cao, Jianchen Zhu, Jiaxin Lin, Jie Xiao, Jihong Zhang, Junlin Yu, Lei Wang, Lifu Wang, Lilin Wang, Linus, Minghui Chen, Peng He, Penghao Zhao, Qi Chen, Rui Chen, Rui Shao, Sicong Liu, Wangchen Qin, Xiaochuan Niu, Xiang Yuan, Yi Sun, Yifei Tang, Yifu Sun, Yihang Lian, Yonghao Tan, Yuhong Liu, Yuyang Yin, Zhiyuan Min, Tengfei Wang, Chunchao Guo

机构 * Tencent（腾讯） 纠错

专题命中 记忆与上下文管理 ：planning(abstract)

AI总结 HY-World 2.0通过多模态输入生成高保真3D场景，改进了先前版本，引入了多项创新以提升全景真实性、3D场景理解和规划能力，并升级了WorldStereo和WorldMirror模型，实现了3D世界交互探索。

Comments Project Page: https://3d-models.hunyuan.tencent.com/world/ ; Code: https://github.com/Tencent-Hunyuan/HY-World-2.0

Mean Field Games and Control on Large Expander Graphs

均场博弈与在大规模扩张图上的控制

Tao Zhang, Peter E. Caines

专题命中 记忆与上下文管理 ：agent(abstract)

AI总结 本文研究了稀疏网络上的均场博弈与控制，在大规模扩张图中，利用graphexon框架分析极限拓扑，证明了有限图上的经验graphexon测度序列弱收敛到连续状态空间上的极限graphexon测度，并建立了离散平均算子序列强收敛到连续算子的性质，从而构建了线性二次均场博弈模型。

Comments The short version of this manuscript has been submitted to the 65th IEEE Conference on Decision and Control (CDC) 2026

ESCAPE: Episodic Spatial Memory and Adaptive Execution Policy for Long-Horizon Mobile Manipulation

ESCAPE：基于长周期移动操作的片段空间记忆与自适应执行策略

Jingjing Qian, Zeyuan He, Chen Shi, Lei Xiao, Li Jiang

机构 * The Chinese University of Hong Kong, Shenzhen（香港中文大学（深圳）） ； LiAuto Inc.（LiAuto公司） 纠错

专题命中 记忆与上下文管理 ：workflow(abstract)

AI总结 本文提出ESCAPE框架，通过融合感知-地面-执行流程，解决长周期移动操作中的鲁棒性、空间一致性及执行灵活性问题，在ALFRED基准测试中取得优异成绩。

When to Boost: How Dose Timing Determines the Epidemic Threshold

何时加强：剂量时间如何决定流行病阈值

Alessandro Celestini, Francesca Colaiori, Stefano Guarino, Enrico Mastrostefano, Francesca Pelusi, Lena Rebecca Zastrow

专题命中 记忆与上下文管理 ：agent(abstract)

AI总结 研究探讨了疫苗剂量时间对流行病阈值的影响，通过优先分配首剂和二剂可改变流行病状态，提出优化的优先策略和间隔方案。

Comments 5 pages, 5 figures

Transferable excited-state dynamics enable screening of fluorescent protein chromophores

可迁移的激发态动力学使荧光蛋白色素的筛选成为可能

Rhyan Barrett, Sophia Wesely, Julia Westermayr

专题命中 记忆与上下文管理 ：workflow(abstract)

AI总结 本文提出X-MACE机器学习势能，结合曲率驱动表面跃迁，实现高效筛选光化学路径，通过荧光色素示例展示结构修饰对激发态弛豫、寿命和光异构化产率的影响。

Mitigating GIL Bottlenecks in Edge AI Systems

缓解边缘AI系统中的GIL瓶颈

Mridankan Mandal, Smit Sanjay Shende

专题命中 记忆与上下文管理 ：AI agent(abstract)

AI总结 本文提出了一种轻量级分析工具和自适应运行时系统，通过阻塞比率指标区分真实I/O等待与GIL竞争，实现96.5%的最优性能，优于多进程和异步IO。

Comments Accepted to DOORS 2026 (6th European Edge Computing Workshop), published in their ACM ICPS, and accepted for non-archival poster presentation at EdgeAI Symposium 2026

Confidence Without Competence in AI-Assisted Knowledge Work

人工智能辅助知识工作中缺乏能力的自信

Elena Eleftheriou, George Pallis, Marios Constantinides

专题命中 记忆与上下文管理 ：agent(abstract)

AI总结 本文研究了不同LLM交互设计对深度思考的影响，发现未来自我解释能提高理解和学习效果，而引导提示能带来最大学习收益。

Comments 25 pages, 13 figures, 5 tables

Breaking Negative Cycles: A Reflection-To-Action System For Adaptive Change

打破负面循环：一种反思-行动系统用于适应性变革

Minsol Michelle Kim, Daniel M. Low, David Lafond, Eugene Shim, Michelle Han, Mohanad Kandil, Chenyu Zhang, Theo Kitsberg, Chelsea Boccagno, Paul Pu Liang, Pattie Maes

专题命中 记忆与上下文管理 ：planning(abstract)

AI总结 本文提出一种反思-行动系统，结合自我反思技术，通过结构化反思模块提升情绪调节能力，实验证实其在日常生活中促进适应性自我调节的作用。

Journal ref Proceedings of the 2026 CHI Conference on Human Factors in Computing Systems (CHI 2026), April 13-17, 2026, Barcelona, Spain

Reflection-Based Task Adaptation for Self-Improving VLA

基于反射的任务适应用于自我改进的VLA

Baicheng Li, Dong Wu, Zike Yan, Xinchen Liu, Lusong Li, Zecui Zeng, Hongbin Zha

机构 * School of Intelligence Science and Technology, Peking University（北京大学智能科学与技术学院） ； JD Explore Academy（京东探索研究院） ； AIR, Tsinghua University（清华大学智能产业研究院） 纠错

专题命中 记忆与上下文管理 ：agent(abstract)

AI总结 本文提出反射式自我适应框架，通过双路径架构实现快速自主任务适应，结合失败驱动的强化学习与成功驱动的质量引导微调，提升机器人在复杂任务中的适应效率和成功率。

The Launching of Galactic Winds from a Multiphase ISM

银河风的启动：多相星际介质的启动

Fernando Hidalgo-Pineda, Max Gronke, Philipp Grete

专题命中 记忆与上下文管理 ：agent(abstract)

AI总结 研究通过高分辨率模拟揭示了银河风与多相星际介质相互作用的机制，发现冷气体生存条件及自相似云团质量谱规律，解释了多相风的形成与演化。

Comments 18 pages, 14 figures + appendix. Submitted for review to MNRAS

Journal ref Mon Not R Astron Soc (2026)