Korea Advanced Institute of Science and Technology（韩国科学技术院）

Memory Transfer Learning: How Memories are Transferred Across Domains in Coding Agents

记忆迁移学习：编码代理跨领域记忆是如何转移的

Kangsan Kim, Minki Kang, Taeil Kim, Yanlai Yang, Mengye Ren, Sung Ju Hwang

机构 * KAIST（韩国国立科学技术院） ； New York University（纽约大学） 纠错

AI总结 本文研究了记忆迁移学习，通过统一的记忆池跨异构领域提升编码代理性能，发现高层抽象优于低层痕迹，记忆池规模影响迁移效果。

Comments Preprint

Why and When Visual Token Pruning Fails? A Study on Relevant Visual Information Shift in MLLMs Decoding

为何及何时视觉标记修剪失效？对多模态大语言模型解码中相关视觉信息转移的研究

Jiwan Kim, Kibum Kim, Wonjoong Kim, Byung-Kwan Lee, Chanyoung Park

机构 * Korea Advanced Institute of Science and Technology (KAIST)（韩国科学技术院） ； NVIDIA 纠错

AI总结 本文研究了视觉标记修剪在复杂视觉推理任务中的失效原因，提出解码阶段感知标记修剪方法，有效缓解了修剪方法在复杂推理任务中的性能下降。

Comments Preprint, Project : https://ptkjw1997.github.io/DSTP-page/

HAMLET: Switch your Vision-Language-Action Model into a History-Aware Policy

HAMLET: 将视觉-语言-动作模型转换为历史感知策略

Myungkyu Koo, Daewon Choi, Taeyoung Kim, Kyungmin Lee, Changyeon Kim, Younggyo Seo, Jinwoo Shin

机构 * KAIST（韩国科学技术院） ； UC Berkeley（伯克利大学） 纠错

AI总结 本文提出HAMLET框架，通过引入时刻标记和轻量记忆模块，使视觉-语言-动作模型能关注历史上下文，提升长周期任务表现，实验显示在多个基准测试中均取得显著提升。

Comments ICLR 2026. Project page: https://myungkyukoo.github.io/hamlet/

H-AdminSim: A Multi-Agent Simulator for Realistic Hospital Administrative Workflows with FHIR Integration

H-AdminSim：一种用于真实医院行政工作流的多智能体模拟器，集成FHIR

Jun-Min Lee, Meong Hi Son, Edward Choi

机构 * KAIST（韩国科学技术院） ； Samsung Medical Center（三星医疗中心） 纠错

AI总结 H-AdminSim通过结合真实数据生成与多智能体模拟，系统评估LLM在医院行政工作流中的表现，利用FHIR实现跨异构环境的标准化测试平台。

Comments Accepted at CHIL 2026

DeepASA: An Object-Oriented Multi-Purpose Network for Auditory Scene Analysis

DeepASA: 一种面向多用途的面向对象网络用于听觉场景分析

Dongheon Lee, Younghoo Kwon, Jung-Woo Choi

机构 * Korea Advanced Institute of Science and Technology (KAIST)（韩国科学技术院） 纠错

AI总结 DeepASA提出了一种多用途模型，通过统一框架实现多输入多输出声源分离、消回声、声音事件检测、音频分类和到达方向估计。采用面向对象处理策略，通过链式推理机制提升任务鲁棒性。

Comments 21 pages, 13 figures, 11 tables, published in NeurIPS 2025