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

Atropos: Improving Cost-Benefit Trade-off of LLM-based Agents under Self-Consistency with Early Termination and Model Hotswap

Atropos：通过早期终止和模型热切换提升基于LLM的代理在自一致性下的成本效益权衡

Naryeong Kim, Shin Yoo

机构 * KAIST（韩国明知大学） 纠错

AI总结 本文提出Atropos技术，通过预测早期终止和模型热切换提升基于LLM的代理在自一致性下的成本效益权衡，实验表明其能将性能提升至闭合LLM的74.35%，成本降低至23.9%。

Comments Will appear at ISSTA 2026

CURaTE: Continual Unlearning in Real Time with Ensured Preservation of LLM Knowledge

CURaTE：在实时中实现连续反学习以确保大语言模型知识的保留

Seyun Bae, Seokhan Lee, Eunho Yang

机构 * KT Corporation（KT公司） ； KAIST（韩国科学技术院） 纠错

AI总结 本文提出CURaTE方法，通过训练句子嵌入模型实现实时连续反学习，有效提升遗忘效果并保持知识完整性。

Comments Accepted to Findings of ACL 2026

Active Learning with Selective Time-Step Acquisition for PDEs

用于PDEs的选时段获取的主动学习

Yegon Kim, Hyunsu Kim, Gyeonghoon Ko, Juho Lee

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

AI总结 本文提出STAP方法，通过选择性获取关键时间步减少计算成本，提升PDE代理模型的主动学习效率。

Comments This manuscript is an improvement over the camera-ready version in ICML 2025. We have added a clearer motivation for our acquisition function. (See Sections 2.3 and 3.2)

Journal ref ICML 2025