语言大模型 / LLM

AnalogAgent: Self-Improving Analog Circuit Design Automation with LLM Agents

AnalogAgent: 基于LLM代理的自改进模拟电路设计自动化

Zhixuan Bao, Zhuoyi Lin, Jiageng Wang, Jinhai Hu, Yuan Gao, Yaoxin Wu, Xiaoli Li, Xun Xu

机构 * Nanyang Technological University（南洋理工大学） ； Institute for Infocomm Research（信息通信研究所） ； Institute of Microelectronics（微电子研究所） ； Eindhoven University of Technology（埃因霍温理工大学） ； Singapore University of Technology（新加坡科技学院） 纠错

专题命中 长上下文与记忆 ：LLM(title,abstract)；large language model(abstract)；language model(abstract)；分类 cs.AI

AI总结 本文提出AnalogAgent，通过集成多代理系统与自演化记忆，实现模拟电路设计自动化，无需额外反馈，在多个基准测试中取得高通过率。

Comments 16 pages, 6 figures

PRISM: Breaking the O(n) Memory Wall in Long-Context LLM Inference via O(1) Photonic Block Selection

PRISM：通过O(1)光子块选择突破长上下文LLM推理的O(n)内存瓶颈

Hyoseok Park, Yeonsang Park

机构 * Department of Physics, Chungnam National University（Chungnam National University 物理系） 纠错

专题命中 长上下文与记忆 ：LLM(title,abstract)；分类 cs.CL、cs.AI、cs.LG

AI总结 PRISM通过光子广播与加权范式，实现长上下文LLM推理中O(n)内存带宽的突破，采用O(1)光子块选择方法，显著提升效率与能效比。

Comments 28 pages, 27 figures, 15 tables, including supplementary material. Code available at https://github.com/hyoseokp/PRISM

Fast and Faithful: Real-Time Verification for Long-Document Retrieval-Augmented Generation Systems

快速而忠实：长文档检索增强生成系统中的实时验证

Xunzhuo Liu, Bowei He, Xue Liu, Haichen Zhang, Huamin Chen

机构 * MBZUAI, McGill University（MBZUAI，麦吉尔大学） 纠错

专题命中 长上下文与记忆 ：LLM(abstract)；large language model(abstract)；language model(abstract)；分类 cs.CL

AI总结 本文提出一种实时验证组件，用于长文档检索增强生成系统，通过平衡响应时间和验证覆盖度，提升对长文档的忠实性验证。

Environment-Grounded Multi-Agent Workflow for Autonomous Penetration Testing

基于环境的多智能体工作流用于自主渗透测试

Michael Somma, Markus Großpointner, Paul Zabalegui, Eppu Heilimo, Branka Stojanović

机构 * JOANNEUM RESEARCH Forschungsgesellschaft mbH, DIGITAL – Institute for Digital Technologies（JOANNEUM RESEARCH 研究所，DIGITAL – 数字技术研究所） ； TU Graz, Institute for Technical Informatics（格拉茨技术大学，技术信息研究所） ； Jamk University of Applied Sciences, Institute of Information Technology（贾马克应用科学大学，信息技术研究所） 纠错

专题命中 长上下文与记忆 ：large language model(abstract)；language model(abstract)；分类 cs.AI

AI总结 本文提出一种基于环境的多智能体架构，用于机器人环境中的自动化渗透测试，通过动态构建共享图状记忆实现系统状态的结构化自动化，并在ROS/ROS2场景中验证了其高可靠性。

Bottlenecked Transformers: Periodic KV Cache Consolidation for Generalised Reasoning

瓶颈化Transformer：用于通用推理的周期性KV缓存整合

Adnan Oomerjee, Zafeirios Fountas, Haitham Bou-Ammar, Jun Wang

机构 * University College London（伦敦大学学院） ； Huawei Noah’s Ark（华为诺亚方舟） 纠错

专题命中 长上下文与记忆 ：LLM(abstract)；分类 cs.AI、cs.LG

AI总结 本文提出瓶颈化Transformer，通过周期性非因果的KV重写提升推理能力，基于信息瓶颈理论分析其有效性，并在数学推理任务中验证性能提升。

Mitigating Many-Shot Jailbreaking

缓解多示例劫持

Christopher M. Ackerman, Nina Panickssery

专题命中 长上下文与记忆 ：post-training(abstract)；分类 cs.AI、cs.LG

AI总结 本文研究了通过微调和输入净化缓解多示例劫持攻击的有效性，发现组合方法显著降低攻击效果，同时保持模型在正常上下文学习中的性能。

VehicleMemBench: An Executable Benchmark for Multi-User Long-Term Memory in In-Vehicle Agents

VehicleMemBench：多用户长期记忆的可执行基准

Yuhao Chen, Yi Xu, Xinyun Ding, Xiang Fang, Shuochen Liu, Luxi Lin, Qingyu Zhang, Ya Li, Quan Liu, Tong Xu

机构 * University of Science and Technology of China（中国科学技术大学） ； iFLYTEK Research（iFLYTEK研究院） ； Xiamen University（厦门大学） ； University of Chinese Academy of Sciences（中国科学院大学） 纠错

专题命中 长上下文与记忆 ：LLM(abstract)；分类 cs.CL、cs.AI

AI总结 本文提出VehicleMemBench，用于评估车载代理的多用户长期记忆能力，通过可执行仿真环境比较行动后环境状态与目标状态，揭示强大模型在动态偏好变化场景中的不足，强调需更 robust 的记忆管理机制。