AI Agent

SOMBRL: Scalable and Optimistic Model-Based RL

SOMBRL: 可扩展且乐观的基于模型的强化学习

Bhavya Sukhija, Lenart Treven, Carmelo Sferrazza, Florian Dörfler, Pieter Abbeel, Andreas Krause

专题命中 记忆与上下文管理 ：agent(abstract)；分类 cs.LG

AI总结 SOMBRL通过结合乐观性原则和不确定性建模，实现了在非线性动力学中具有亚线性遗憾的可扩展基于模型的强化学习方法，并在多个环境中展示了优越的探索性能。

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