AI Agent

Critical States Preparation With Deep Reinforcement Learning

临界态制备与深度强化学习

Jia-Wen Yu, Yi-Ming Yu, Ke-Xiong Yan, Jun-Hao Lin, Jie Song, Ye-Hong Chen, Yan Xia

专题命中 记忆与上下文管理 ：agent(abstract)

AI总结 本文提出利用深度强化学习快速制备量子临界态，并应用于量子拉比模型，实现高保真度的临界态制备。

Comments 8 pages, 6 figures

Privacy-Preserving Distributed Control for a Networked Battery Energy Storage System

隐私保护的分布式控制用于联网电池储能系统

Mihitha Maithripala, Zongli Lin

专题命中 记忆与上下文管理 ：agent(abstract)

AI总结 本文提出了一种隐私保护的分布式控制算法，用于实现联网电池储能系统的SoC平衡，通过隐私保护的估计器确保安全的功率分配和状态平衡。

Comments Accepted for publication in Journal of Energy Storage

Journal ref Journal of Energy Storage, Volume 153, 120958 (2026)

LLM4PQC - Accurate and Efficient Synthesis of PQC Cores by Feedback-Driven LLMs

LLM4PQC - 通过反馈驱动的LLM实现准确且高效的PQC核心合成

Buddhi Perera, Zeng Wang, Weihua Xiao, Mohammed Nabeel, Ozgur Sinanoglu, Johann Knechtel, Ramesh Karri

专题命中 记忆与上下文管理 ：agentic(abstract)

AI总结 LLM4PQC通过反馈驱动的LLM实现PQC核心的高效准确合成，减少手动工作量并加速设计探索。

Comments Accpeted at DATE 26

Reinforcement Learning for Vehicle-to-Grid Voltage Regulation: Single-Hub to Multi-Hub Coordination with Battery-Aware Constraints

为车辆到电网电压调节的强化学习：单中心到多中心协调与电池感知约束

Jingbo Wang, Roshni Anna Jacob, Harshal D. Kaushik, Jie Zhang

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V2G电压调节框架，通过单中心与多中心协调，结合电池感知约束，实现了在正常和过载情况下的电压稳定控制。

The effect of a toroidal opinion space on opinion bi-polarisation

环形意见空间对意见双极化的影响

Frank P. Pijpers, Benedikt V. Meylahn, Michel R. H. Mandjes

专题命中 记忆与上下文管理 ：agent(abstract)

AI总结 本文研究了环形意见空间对意见双极化的影响，发现其在稳态下能形成更多群体，并对扩展更敏感。

Comments 15 pages + Appendices. Comments welcome

EmbodiedSplat: Online Feed-Forward Semantic 3DGS for Open-Vocabulary 3D Scene Understanding

EmbodiedSplat: 在线前馈语义3DGS用于开放词汇3D场景理解

Seungjun Lee, Zihan Wang, Yunsong Wang, Gim Hee Lee

机构 * National University of Singapore（新加坡国立大学） 纠错

专题命中 记忆与上下文管理 ：agent(abstract)

AI总结 EmbodiedSplat通过在线前馈3DGS实现开放词汇3D场景理解，结合CLIP编码和3D U-Net提升语义重建效率与泛化能力。

Comments CVPR 2026, Project Page: https://0nandon.github.io/EmbodiedSplat/

Data-Driven Control of Large-Scale Networks with Formal Guarantees: A Small-Gain Free Approach

基于正式保证的数据驱动控制大规模网络：一种无小增益自由的方法

Behrad Samari, Amy Nejati, Abolfazl Lavaei

专题命中 记忆与上下文管理 ：agent(abstract)

AI总结 本文提出一种数据驱动方法，通过分而治之策略在未知网络中实现控制，无需传统小增益条件，显著降低样本复杂度。

Symphony: A Heuristic Normalized Calibrated Advantage Actor and Critic Algorithm in application for Humanoid Robots

Symphony：一种用于双足机器人的启发式规范化校准优势Actor-Critic算法

Timur Ishuov, Michele Folgheraiter, Madi Nurmanov, Goncalo Gordo, Richárd Farkas, József Dombi

机构 * Department of Computer Algorithms and Artificial Intelligence, University of Szeged（塞格德大学计算机算法与人工智能系） ； Department of Robotics and Mechatronics, Nazarbayev University（纳扎尔巴耶夫大学机器人与机电系） ； Tinker AI Limited（Tinker AI有限公司） 纠错

专题命中 记忆与上下文管理 ：agent(abstract)

AI总结 Symphony算法通过规范化校准和安全动作策略，提升双足机器人从零开始的学习效率和安全性。

Comments https://github.com/SuspensionRailway/symphony

ImpCresst -- A versatile simulation tool focusing on solid-state detectors at keV energies

ImpCresst -- 一种专注于keV能量范围的固态探测器模拟工具

G. Angloher, S. Banik, A. Bento, A. Bertolini, R. Breier, C. Bucci, J. Burkhart, L. Burmeister, L. Canonica, F. Casadei, E. Cipelli, S. Di Lorenzo, J. Dohm, F. Dominsky, A. Erb, E. Fascione, F. von Feilitzsch, S. Fichtinger, D. Fuchs, A. Fuss, V. M. Ghete, P. Gorla, P. V. Guillaumon, D. Hauff, M. Ješkovský, J. Jochum, M. Kaznacheeva, H. Kluck, H. Kraus, B. von Krosigk, A. Langenkämper, M. Mancuso, B. Mauri, V. Mokina, C. Moore, P. Murali, M. Olmi, T. Ortmann, C. Pagliarone, L. Pattavina, F. Petricca, W. Potzel, P. Povinec, F. Pröbst, F. Pucci, F. Reindl, J. Rothe, K. Schäffner, J. Schieck, S. Schönert, C. Schwertner, M. Stahlberg, L. Stodolsky, C. Strandhagen, R. Strauss, F. Toschi, I. Usherov, D. Valdenaire, M. Zanirato, V. Zema

专题命中 记忆与上下文管理 ：workflow(abstract)

AI总结 ImpCresst是一种用于模拟固态探测器在keV能量范围背景和校准信号的灵活工具，适用于多种实验需求。

A Mathematical Framework for Misinformation Propagation in Complex Networks: Topology-Dependent Distortion and Control

复杂网络中虚假信息传播的数学框架：拓扑依赖的失真与控制

Saikat Sur, Rohitashwa Chattopadhyay, Jens Christian Claussen, Archan Mukhopadhyay

专题命中 记忆与上下文管理 ：agent(abstract)

AI总结 本文提出了一种数学框架，用于分析复杂网络中虚假信息传播的拓扑依赖失真机制，并通过不同网络结构的比较揭示了抑制虚假信息的最优策略。

Comments 18 pages, 6 figures, Accepted in Chaos: An Interdisciplinary Journal of Nonlinear Science

Non-Exchangeable Mean Field Markov Decision Processes with common noise : from Bellman equation to quantitative propagation of chaos

非交换性均场马尔可夫决策过程与共同噪声：从贝尔曼方程到混沌传播的定量分析

Samy Mekkaoui, Huyên Pham

专题命中 记忆与上下文管理 ：agent(abstract)

AI总结 本文研究了非交换性均场马尔可夫决策过程，提出了一种新的框架并分析了共同噪声下的混沌传播问题。

GFRRN: Explore the Gaps in Single Image Reflection Removal

GFRRN: 探索单图像反光去除中的空白

Yu Chen, Zewei He, Xingyu Liu, Zixuan Chen, Zheming Lu

机构 * Zhejiang University（浙江大学） ； Huanjiang Laboratory（焕江实验室） ； The Chinese University of Hong Kong（香港中文大学） 纠错

专题命中 记忆与上下文管理 ：agent(abstract)

AI总结 GFRRN通过引入PEFT策略、标签生成器和自适应频率学习块，解决单图像反光去除中的语义差距和标签不一致问题，实现更高效的反光去除性能。

Comments CVPR26

Tidynote: Always-Clear Notebook Authoring

Tidynote：始终清晰的笔记本作者工具

Ruanqianqian Huang, Brian Hempel, Yining Cao, James D. Hollan, Haijun Xia, Sorin Lerner

专题命中 记忆与上下文管理 ：workflow(abstract)

AI总结 Tidynote通过三个核心功能提升笔记本创作的清晰性，支持探索性任务并实现全过程的清晰维护。

Comments Accepted at CHI 2026

Newton Methods in Generalized Nash Equilibrium Problems with Applications to Game-Theoretic Model Predictive Control

牛顿方法在广义纳什均衡问题中的应用及在博弈论模型预测控制中的应用

Mushuang Liu, Ilya Kolmanovsky

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牛顿方法的广义纳什均衡问题求解方法，用于博弈论模型预测控制，证明了其在动态系统中的稳定性与有效性。

SunnyParking: Multi-Shot Trajectory Generation and Motion State Awareness for Human-like Parking

SunnyParking: 多次停车场景下的轨迹生成与运动状态感知

Jishu Miao, Han Chen, Jiankun Zhai, Qi Liu, Tsubasa Hirakawa, Takayoshi Yamashita, Hironobu Fujiyoshi

机构 * Chubu University（名古屋大学） ； Tongji University（同济大学） 纠错

专题命中 记忆与上下文管理 ：planning(abstract)

AI总结 SunnyParking通过双分支端到端架构实现运动状态感知，结合空间轨迹和离散运动状态预测，提升复杂多次停车场景下的轨迹生成和换挡点定位精度。

Selective Disclosure in Overlapping Generations

选择性披露在重叠世代模型中

Nemanja Antic, Harry Pei

专题命中 记忆与上下文管理 ：agent(abstract)

AI总结 本文研究了重叠世代模型中信息选择性披露机制，探讨了信息传递概率对披露策略的影响，并展示了在极限情况下最优信息筛选的特性。

DriveMamba: Task-Centric Scalable State Space Model for Efficient End-to-End Autonomous Driving

DriveMamba: 以任务为中心的可扩展状态空间模型用于高效端到端自动驾驶

Haisheng Su, Wei Wu, Feixiang Song, Junjie Zhang, Zhenjie Yang, Junchi Yan

机构 * Sch. of Computer Science & Sch. of Artificial Intelligence, Shanghai Jiao Tong University（计算机学院与人工智能学院，上海交通大学） ； SenseAuto 纠错

专题命中 记忆与上下文管理 ：planning(abstract)

AI总结 DriveMamba通过动态任务关系建模、隐式视角对应学习和长期时间融合，提升端到端自动驾驶的效率与可扩展性。

Comments Accepted to ICLR2026

Changes in Real Time: Online Scene Change Detection with Multi-View Fusion

实时变化：多视角融合的在线场景变化检测

Chamuditha Jayanga Galappaththige, Jason Lai, Lloyd Windrim, Donald Dansereau, Niko Sünderhauf, Dimity Miller

机构 * QUT Centre for Robotics（昆士兰理工大学机器人中心） ； ARIAM ； ACFR, University of Sydney（悉尼大学先进计算机研究中心） ； Abyss Solutions 纠错

专题命中 记忆与上下文管理 ：agent(abstract)

AI总结 本文提出了一种基于多视角融合的在线场景变化检测方法，通过自监督融合损失、快速姿态估计和变化引导更新策略，在高帧率下实现了优于离线方法的性能。

Comments Accepted at CVPR 2026. Project Page: https://chumsy0725.github.io/O-SCD/

An Explainable Memory Forensics Approach for Malware Analysis

用于恶意软件分析的可解释性内存取证方法

Silvia Lucia Sanna, Davide Maiorca, Giorgio Giacinto

专题命中 记忆与上下文管理 ：workflow(abstract)

AI总结 本文提出了一种基于AI的可解释内存取证方法，利用大语言模型解释内存分析结果并提取入侵指标，提升恶意软件分析的可解释性和实用性。

Exploration of Always $S$-Connected Temporal Graphs

对始终S连接的时间图的探索

Duncan Adamson, Paul G Spirakis

专题命中 记忆与上下文管理 ：agent(abstract)

AI总结 本文研究了始终S连接时间图的探索问题，提出了一种新的方法，能够高效地探索具有特定结构的时间图。

VLM-Guided Group Preference Alignment for Diffusion-based Human Mesh Recovery

基于扩散模型的人体网格恢复中的群体偏好对齐

Wenhao Shen, Hao Wang, Wanqi Yin, Fayao Liu, Xulei Yang, Chao Liang, Zhongang Cai, Guosheng Lin

机构 * Nanyang Technological University（南洋理工大学） ； HKUST(GZ)（香港科技大学（广州）） ； SenseTime Research（商汤科技研究院） ； 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 本文提出了一种基于群体偏好的扩散模型微调框架，通过双内存增强的批评代理生成质量评分，提升人体网格恢复的物理合理性和图像一致性。

Comments Accepted to CVPR 2026

Action-Dynamics Modeling and Cross-Temporal Interaction for Online Action Understanding

动作-动态建模与跨时间交互用于在线动作理解

Xinyu Yang, Zheheng Jiang, Feixiang Zhou, Yihang Zhu, Na Lv, Nan Xing, Nishan Canagarajah, Huiyu Zhou

机构 * School of Computing and Mathematical Sciences, University of Leicester, United Kingdom（莱斯特大学计算与数学科学学院） ； School of Eye and Vision Sciences, University of Liverpool, United Kingdom（利物浦大学眼科学与视觉科学学院） ； School of Information Science and Engineering, University of Jinan, China（济南大学信息科学与工程学院） ； School of Automation and Information Engineering, Xi’an University of Technology, China（西安理工大学自动化与信息工程学院） 纠错

专题命中 记忆与上下文管理 ：agent(abstract)

AI总结 本文提出状态特定模型（SSM）用于统一动作检测与预见，通过关键状态压缩、动作模式学习和跨时间交互模块，提升动作理解性能。

Comments 10 pages, 9 figures

The Strategic Gap: How AI-Driven Timing and Complexity Shape Investor Trust in the Age of Digital Agents

战略缺口：人工智能驱动的时机与复杂性如何塑造数字代理时代投资者信任

Krishna Neupane

专题命中 记忆与上下文管理 ：agentic(abstract)

AI总结 本研究提出自主披露监管器，通过分析披露复杂性与文件提交不可预测性的交叉点，揭示公司利用模糊语言和不可预测时机减缓市场学习真相的速度，发现结构性战略缺口并提出向代理监管状态过渡的建议。

Individual and Collective Welfare in Risk Sharing with Many States

个体与集体福利在多状态风险分担中的研究

Federico Echenique, Farzad Pourbabaee

专题命中 记忆与上下文管理 ：agent(abstract)

AI总结 该研究探讨了在多状态环境下，风险分担中个体与集体福利的关系，发现当状态空间扩大时，相互可接受的分配概率呈指数下降，且需至少一方的先验集测度极小才能实现帕累托改进。

Calibrated Mechanism Design

校准机制设计

Laura Doval, Alex Smolin

专题命中 记忆与上下文管理 ：agent(abstract)

AI总结 本文提出校准机制设计框架，通过两阶段机制在单代理人场景中实现激励相容性，并证明其在私人价值环境下最优透明性及动态机制的局限性。

A Q-Learning Approach for Dynamic Resource Management in Three-Tier Vehicular Fog Computing

一种用于三层车载雾计算动态资源管理的Q学习方法

Bahar Mojtabaei Ranani, Mahmood Ahmadi, Sajad Ahmadian

专题命中 记忆与上下文管理 ：agent(abstract)

AI总结 本文提出基于Q学习的动态资源管理方法，用于优化车载雾计算环境中的资源分配，通过强化学习提升系统性能和任务处理效率。

Quantification of dual-state 5-ALA-induced PpIX fluorescence: Methodology and validation in tissue-mimicking phantoms

双状态5-ALA诱导PpIX荧光的量化：方法学与在组织仿生假体中的验证

Silvère Ségaud, Charlie Budd, Matthew Elliot, Graeme Stasiuk, Jonathan Shapey, Yijing Xie, Tom Vercauteren

专题命中 记忆与上下文管理 ：workflow(abstract)

AI总结 本研究提出了一种用于量化胶质瘤中PpIX荧光的新方法，通过组织仿生假体验证，实现了高精度的PpIX荧光成像。

Impact of memory on clustering in spontaneous particle aggregation

记忆对自发粒子聚集中聚类的影响

Radek Erban, Jan Haskovec

专题命中 记忆与上下文管理 ：agent(abstract)

AI总结 研究发现记忆影响自发聚集中的聚类形态，短期记忆促进聚类形成，长期记忆抑制聚集并增加孤立个体比例。

Comments 27 pages, 7 figures

Towards Remote Sensing Change Detection with Neural Memory

基于神经记忆的遥感变化检测

Zhenyu Yang, Gensheng Pei, Yazhou Yao, Tianfei Zhou, Lizhong Ding, Fumin Shen

机构 * School of Computer Science and Engineering, Nanjing University of Science and Technology（计算机科学与工程学院，南京理工大学） ； School of Computer Science and Technology, Beijing Institute of Technology（计算机科学与技术学院，北京理工大学） ； School of Computer Science and Engineering, University of Electronic Science and Technology of China（计算机科学与工程学院，电子科技大学） 纠错

专题命中 记忆与上下文管理 ：planning(abstract)

AI总结 本文提出ChangeTitans框架，通过整合神经记忆与分段局部注意力，提升遥感变化检测的长距离依赖捕捉能力，同时保持计算效率，实验表明在多个数据集上取得最佳性能。

Comments accepted by IEEE Transactions on Geoscience & Remote Sensing

SCA-Net: Spatial-Contextual Aggregation Network for Enhanced Small Building and Road Change Detection

SCA-Net：用于增强小建筑和道路变化检测的空间上下文聚合网络

Emad Gholibeigi, Abbas Koochari, Azadeh ZamaniFar

专题命中 记忆与上下文管理 ：agent(abstract)

AI总结 SCA-Net通过引入差分金字塔块、自适应多尺度处理模块和多级注意力机制，提升小建筑和道路变化检测的精度与效率。

Comments 6 pages, 2 figures, 3 tables. Submitted for review