AI Agent

Virtual Garbage Collector (VGC): A Zone-Based Garbage Collection Architecture for Python's Parallel Runtime

虚拟垃圾收集器（VGC）：一种面向Python并行运行时的基于区域的垃圾收集架构

Abdulla M

专题命中 记忆与上下文管理 ：planning(abstract)

AI总结 VGC通过基于区域的内存管理和分区执行，提高Python运行时的可预测性和可扩展性。

Comments 30 pages, 5 figures. Primary category cs.PL, secondary cs.DC

Kinetic Turing Instability and Emergent Spectral Scaling in Chiral Active Turbulence

动能图灵不稳定性与手性活性湍流中涌现的频谱标度

Magnus F Ivarsen

专题命中 记忆与上下文管理 ：agent(abstract)

AI总结 研究发现手性活性湍流中动能图灵不稳定性驱动相干结构形成，揭示了活性湍流的频谱标度规律。

Comments 8 pages, 6 figures

Reachability for multiagent control systems via Lyapunov functions

通过李雅普诺夫函数研究多智能体控制系统可达性

Giulia Cavagnari, Marc Quincampoix

专题命中 记忆与上下文管理 ：agent(abstract)

AI总结 本文提出利用适应于概率测度Wasserstein空间的李雅普诺夫方法，研究多智能体控制系统可达性问题，并获得Hamilton-Jacobi方程在该空间中粘性解的新的比较结果。

Comments This is the author accepted manuscript of an article published in Communications on Pure and Applied Analysis

Journal ref Communications on Pure and Applied Analysis, vol. 26 (2026)

[Draft] High-order estimation-based properties and high-order observers for labeled finite-state automata

[草稿] 基于高阶估计的性质和高阶观测器用于标记有限状态自动机

Kuize Zhang, Xiaoguang Han, Alessandro Giua, Carla Seatzu

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高阶估计性质的框架，通过高阶观察器验证标记有限状态自动机的属性。

Comments 36 pages, 14 figures

Axiomatic Foundations of Bayesian Persuasion

贝叶斯说服的公理基础

Youichiro Higashi, Kemal Ozbek, Norio Takeoka

专题命中 记忆与上下文管理 ：agent(abstract)

AI总结 本文提出了贝叶斯说服的公理基础，通过新的模型和可观察数据方法，揭示了主导者在管理代理人偏见时的信息获取成本构建方法。

A Human-Oriented Cooperative Driving Approach: Integrating Driving Intention, State, and Conflict

面向人类的协作驾驶方法：整合驾驶意图、状态和冲突

Qin Wang, Shanmin Pang, Jianwu Fang, Shengye Dong, Fuhao Liu, Jianru Xue, Chen Lv

机构 * School of Software Engineering, Xi’an Jiaotong University（软件工程学院，西安交通大学） ； School of Artificial Intelligence, Xi’an Jiaotong University（人工智能学院，西安交通大学） ； School of Mechanical and Aerospace Engineering, Nanyang Technological University（机械与航空航天工程学院，南洋理工大学） 纠错

专题命中 记忆与上下文管理 ：planning(abstract)

AI总结 本文提出面向人类的协作驾驶方法，通过意图感知轨迹规划和控制权分配策略，提升驾驶性能并减少人机冲突。

Equivariant Multiscale Learned Invertible Reconstruction for Cone Beam CT: From Simulated to Real Data

等价多尺度学习可逆重建用于锥束CT：从模拟到真实数据

Nikita Moriakov, Efstratios Gavves, Jonathan H. Mason, Carmen Seller-Oria, Jonas Teuwen, Jan-Jakob Sonke

机构 * Netherlands Cancer Institute（荷兰癌症研究所） ； University of Amsterdam（阿姆斯特丹大学） ； Elekta Limited（Elekta有限公司） 纠错

专题命中 记忆与上下文管理 ：planning(abstract)

AI总结 本文提出LIRE++，一种旋转等价多尺度学习可逆重建方法，用于提升锥束CT的重建效率与图像质量。

Comments 29 pages. arXiv admin note: substantial text overlap with arXiv:2401.11256

SPOC: Spatially-Progressing Object State Change Segmentation in Video

SPOC: 视频中空间性推进的对象状态变化分割

Priyanka Mandikal, Tushar Nagarajan, Alex Stoken, Zihui Xue, Kristen Grauman

专题命中 记忆与上下文管理 ：agent(abstract)

AI总结 SPOC提出空间性推进的对象状态变化分割任务，通过伪标签和动态约束方法，解决视频中对象变化位置和速度的精确定位问题。

Comments Accepted at WACV 2026

RESPOND: Risk-Enhanced Structured Pattern for LLM-driven Online Node-level Decision-making

基于风险增强的结构化模式：面向LLM驱动的在线节点级决策

Dan Chen, Heye Huang, Tiantian Chen, Zheng Li, Yongji Li, Yuhui Xu, Sikai Chen

专题命中 记忆与上下文管理 ：agent(abstract)

AI总结 RESPOND通过结构化模式和风险增强机制提升LLM驱动驾驶代理的决策精度与安全性，有效减少碰撞并实现个性化驾驶风格适应。

Comments 28 pages, 8 figures

Timing-Aware Two-Player Stochastic Games with Self-Triggered Control

具有自触发控制的时序感知双人随机游戏

Yunian Pan, Quanyan Zhu

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自触发控制的双人随机游戏框架，解决了纳什和斯塔克尔伯格时序承诺问题，并通过动态规划分解实现了可解的策略优化。

Control of McKean--Vlasov SDEs with Contagion Through Killing at a State-Dependent Intensity

通过状态依赖强度的杀灭控制含传染性的 McKean-Vlasov 随机微分方程

Ben Hambly, Philipp Jettkant

专题命中 记忆与上下文管理 ：agent(abstract)

AI总结 本文研究了通过状态依赖强度的杀灭控制含传染性的 McKean-Vlasov 随机微分方程，证明了其作为有限粒子系统极限的理论贡献，并展示了其在金融系统中控制系统性风险的应用。

Toward Self-Healing Networks-on-Chip: RL-Driven Routing in 2D Torus Architectures

迈向自修复网络-on-Chip：基于强化学习的2D Torus架构路由

Mohammad Walid Charrwi, Zaid Hussain

专题命中 记忆与上下文管理 ：agent(abstract)

AI总结 本研究通过强化学习方法在2D Torus架构中实现自适应路由，显著提升吞吐量和故障容忍性。

A Mass Preserving Numerical Scheme for Kinetic Equations that Model Social Phenomena

一种用于建模社会现象的动能方程质量守恒数值方案

Yassin Bahid, Eduardo Corona, Nancy Rodriguez

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建模社会现象的动能方程质量守恒数值方案，通过高效且高保真的模拟方法，提升了多子系统模型的计算效率和稳定性。

Consensus over Clustered Networks Using Intermittent and Asynchronous Output Feedback

在间歇性和异步输出反馈下实现集群网络的一致性

Federico M. Zegers, Sean Phillips

专题命中 记忆与上下文管理 ：agent(abstract)

AI总结 本文提出了一种在间歇性和异步输出反馈下实现集群网络一致性的策略，通过混合系统建模和Lyapunov分析确保一致性集的鲁棒稳定性。

Emergent memory in cell-like active systems

细胞样活性系统中的涌现记忆

Marc Besse, Raphaël Voituriez

专题命中 记忆与上下文管理 ：agent(abstract)

AI总结 本研究提出了一种新的活性粒子模型，通过引入内部状态动态和环境感知，揭示了细胞样系统中环境记忆的自发涌现及其对集体行为的影响。

Comments Main: 23 pages, 5 figures. SM: 39 pages, 4 figures

Efficient QAOA Architecture for Solving Multi-Constrained Optimization Problems

高效的QAOA架构用于解决多约束优化问题

David Bucher, Daniel Porawski, Maximilian Janetschek, Jonas Stein, Corey O'Meara, Giorgio Cortiana, Claudia Linnhoff-Popien

专题命中 记忆与上下文管理 ：workflow(abstract)

AI总结 本文提出了一种高效的QAOA架构，通过直接编码约束到电路中，提升多约束优化问题的求解效率和质量。

Fluctuating Environments Favor Extreme Dormancy Strategies and Penalize Intermediate Ones

波动环境促进极端休眠策略并惩罚中间策略

Jorge Hidalgo, Lorenzo Fant, Rafael Rubio de Casas, Miguel A. Muñoz

专题命中 记忆与上下文管理 ：agent(abstract)

AI总结 研究发现波动环境使极端休眠策略更具适应性，而中间休眠策略因延迟与环境自相关不匹配而被惩罚。

Comments 12 pages, 11 figures

Exclusive Control of Quantum Memory Erasure

量子记忆擦除的独占控制

Mir Alimuddin, Nathan Shettell, Raja Yehia, Antonio Acín, Federico Centrone

专题命中 记忆与上下文管理 ：agent(abstract)

AI总结 该研究提出了一种基于纠缠的量子记忆擦除协议，通过独占控制确保只有授权方能以最低成本擦除信息，同时防止未经授权的代理完全擦除信息。

Quantum compilation framework for data loading

用于数据加载的量子编译框架

Guillermo Alonso-Linaje, Utkarsh Azad, Jay Soni, Jarrett Smalley, Leigh Lapworth, Juan Miguel Arrazola

专题命中 记忆与上下文管理 ：workflow(abstract)

AI总结 本文提出了一种用于数据加载的量子编译框架，通过资源感知的自动编译方法，实现了高效的状态制备和编码，显著降低了量子资源消耗。

Comments 21 pages, 13 figures, 2 tables

Scaling behavior of superconductors

超导体的标度行为

V. R. Shaginyan, A. Z. Msezane, S. A. Artamonov

专题命中 记忆与上下文管理 ：agent(abstract)

AI总结 本文研究了超导体的标度行为，揭示了Homes定律适用于传统和非常规超导体，并阐明了费米凝聚与强相关费米系统的关系。

Comments 15 pages, 10 figures

Journal ref Short version: JETP Lett. 122, 158 (2025); Open Access

Endogenous Network Structures with Precision and Dimension Choices

内生网络结构与精度和维度选择

Nikhil Kumar

专题命中 记忆与上下文管理 ：agent(abstract)

AI总结 本文研究了内生决定网络结构的社会学习模型，探讨了信号精度和维度选择对网络结构的影响及优化策略。

Categorical Framework for Quantum-Resistant Zero-Trust AI Security

量子抗性零信任AI安全的范畴框架

I. Cherkaoui, C. Clarke, J. Horgan, I. Dey

专题命中 记忆与上下文管理 ：agent(abstract)

AI总结 本文提出基于范畴论的量子抗性零信任AI安全框架，通过建模加密流程为态射和信任策略为函子，实现细粒度信任管理和微分割，提升对抗性AI威胁防护，并在ESP32上验证了加密敏捷过渡的性能和安全性。

Bridging Atomistic and Mesoscale Lithium Transport via Machine-Learned Force Fields and Markov State Models

通过机器学习力场和马尔可夫状态模型桥接原子尺度和介观尺度的锂传输

Muhammad Nawaz Qaisrani, Christoph Kirsch, Aaron Flötotto, Jonas Hänseroth, Jules Oumard, Daniel Sebastiani, Christian Dreßler

专题命中 记忆与上下文管理 ：workflow(abstract)

AI总结 通过机器学习力场和马尔可夫状态模型，建立原子尺度与介观尺度锂传输的定量联系，揭示稀有扩散过程和传输路径。

Comments 36 pages, 9 figures

Limit Order Book Dynamics in Matching Markets: Microstructure, Spread, and Execution Slippage

匹配市场中的限价簿动态：微观结构、买卖价差与执行滑点

Yao Wu

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限价簿的市场微观结构模型，揭示了买卖价差和执行滑点在匹配失败中的作用机制。

Comments 33 pages, 7 figures, 5 experiments, 6 appendices. Primary category: q-fin.TR; Secondary: cs.SI. Code: https://github.com/Republic1024/Limit-Order-Matching-Microstructure

From Features to States: Data-Driven Selection of Measured State Variables via RFE-DMDc

从特征到状态：通过RFE-DMDc进行数据驱动的测量状态变量选择

Haoyu Wang, Andrea Alfonsi, Roberto Ponciroli, Richard Vilim

专题命中 记忆与上下文管理 ：workflow(abstract)

AI总结 本文提出RFE-DMDc方法，通过递归特征消除和动态模式分解，实现数据驱动的状态变量选择，提高模型预测精度和计算效率。

Clarifying Trinko as Precedent in EHR and AI Memory Duty to Deal Cases: A New Institutional Economics Approach

澄清Trinko在电子健康记录和AI记忆义务案件中的先例地位：一种新的制度经济学方法

Lawrence W. Abrams

专题命中 记忆与上下文管理 ：agentic(abstract)

AI总结 本文通过制度经济学方法澄清Trinko案在电子健康记录和AI记忆义务案件中的先例地位，旨在减少引用错误并提高法律适用性。

Modeling Bioelectric State Transitions in Glial Cells: An ASAL-Inspired Computational Approach to Glioblastoma Initiation

胶质细胞生物电状态转换建模：一种受ASAL启发的计算方法用于胶母瘤发生

Wiktoria Agata Pawlak

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代理的计算方法，通过模拟胶质细胞生物电状态转换，揭示线粒体功能障碍和生物电信号破坏在胶母瘤发生中的作用。

Comments Thesis preprint. arXiv category: cs.NE

Deterministic Mean Field Games on Networks and Related Optimal Control Problems

网络上的确定性均场博弈及相关最优控制问题

Yves Achdou, Claudio Marchi, Nicoletta Tchou

专题命中 记忆与上下文管理 ：agent(abstract)

AI总结 本文研究了网络上的确定性均场博弈及相关最优控制问题，提出了一种基于拉格朗日公式的松弛均衡方法，并获得了价值函数和概率测度的弱解。

RL-AD-Net: Reinforcement Learning Guided Adaptive Displacement in Latent Space for Refined Point Cloud Completion

RL-AD-Net: 基于强化学习的潜在空间自适应位移用于精细化点云补全

Bhanu Pratap Paregi, Vaibhav Kumar

机构 * GeoAI4Cities Lab, IISER Bhopal（GeoAI4Cities实验室，印度Bhopal IISER） 纠错

专题命中 记忆与上下文管理 ：agent(abstract)

AI总结 RL-AD-Net通过强化学习在潜在空间中优化点云补全，提升局部几何一致性，适用于多种补全网络。

Guided rewiring of social networks reduces polarization and accelerates collective action

Jordan P. Everall, Lilli Frei, Andrew K. Ringsmuth

专题命中 记忆与上下文管理 ：agent(abstract)

Comments 20 pages, 4 figures, 1 table