ACM: Agentic Context Management for Long Horizon Tasks
ACM：长期任务的智能体上下文管理
机构 * Carnegie Mellon University（卡内基梅隆大学） ； Meta
AI总结 研究长期智能体任务上下文管理问题，提出ACM框架，受人类记忆启发让智能体自主管理上下文，还开发训练后管道，能提升模型在相关任务上的性能，有效管理上下文可降低压力、实现扩展探索并产生更一致方案。
大厂专区
Meta
Offline-to-Online Creative Optimization with Generative Models and Adaptive Testing
基于生成模型和自适应测试的离线到在线创意优化
机构 * University of Michigan（密歇根大学） ； Meta
AI总结 研究如何利用历史A/B测试数据，通过性能驱动的离线到在线工作流程，用预测模型指导生成测试广告位候选创意，经实验验证该方法能有效提升创意参与度，为创意优化提供设计原则。
Pose-Aware Modeling to Mitigate Pose-Related Artifacts in Tactile Gloves
用于减轻触觉手套中与姿势相关伪像的姿势感知建模
机构 * Cornell Univeristy（康奈尔大学） ； Meta Reality Labs（Meta 现实实验室） ； University of Washington（华盛顿大学）
AI总结 研究针对触觉手套因手部姿势变化产生伪像致最小可检测力提高的问题，引入无需修改手套的算法框架，利用姿势信息减轻伪像，经多手套设计和用户验证，有效降低了最小可检测力，提升了手套在相关应用中的可用性。
PANOPTICON: A PII-Based Assemblage of Naturalistic Output Tokens for Investigating Privacy Leakage Within LLM Context Window
全景监控：基于个人身份信息的自然主义输出令牌集合，用于研究大语言模型上下文窗口内的隐私泄露
机构 * Meta
AI总结 研究大语言模型上下文窗口内隐私泄露问题，引入PANOPTICON管道和数据集，由Meta模型生成含PII片段的提示，测量数据集多样性评估真实性，通过案例展示其在理解提示反转攻击中的效用及为LLM隐私研究奠基。
Comments 9 pages, 3 figures, 3 tables. Submitted to IEEE CARS 2026
Procedural Knowledge at Scale Improves Reasoning
大规模程序知识提升推理能力
机构 * University of California, Los Angeles（加州大学洛杉矶分校） ； Meta FAIR
AI总结 本研究提出Reasoning Memory框架，通过大规模检索增强生成方法，有效利用程序知识提升推理能力，在多个基准测试中表现优于现有方法。
Comments COLM 2026 Camera Ready
Realizing Scaling Laws in Recommender Systems: A Foundation-Expert Paradigm for Hyperscale Model Deployment
在推荐系统中实现扩展定律：超大规模模型部署的基础-专家范式
机构 * Meta Platforms, Inc.（Meta平台公司）
AI总结 针对推荐系统中跨多界面部署基础模型的挑战，提出基础-专家范式，中央FM生成目标感知嵌入供特定界面专家模型使用，迁移率超现有方法，自2025年在Meta部署后实现线上指标提升。
