AI Agent

PersonaMem-v2: Towards Personalized Intelligence via Learning Implicit User Personas and Agentic Memory

PersonaMem-v2：通过学习隐式用户人设和代理记忆实现个性化智能

Bowen Jiang, Yuan Yuan, Maohao Shen, Zhuoqun Hao, Zhangchen Xu, Zichen Chen, Ziyi Liu, Anvesh Rao Vijjini, Jiashu He, Hanchao Yu, Radha Poovendran, Gregory Wornell, Lyle Ungar, Dan Roth, Sihao Chen, Camillo Jose Taylor

机构 * University of Pennsylvania（宾夕法尼亚大学） ； Massachusetts Institute of Technology（麻省理工学院） ； University of Washington（华盛顿大学） ； University of California Santa Barbara（加州大学圣巴巴拉分校） ； Meta ； University of Southern California（南加州大学） ； University of North Carolina at Chapel Hill（北卡罗来纳大学教堂山分校） ； Microsoft Corporation（微软公司） 纠错

专题命中 记忆与上下文管理 ：agentic(title,abstract)；分类 cs.CL

AI总结 PersonaMem-v2通过学习隐式用户人设和代理记忆提升LLM个性化能力，实验显示强化微调使模型在隐式个性化任务中准确率达53%。

Comments Data is available at https://huggingface.co/datasets/bowen-upenn/PersonaMem-v2

Towards Efficient Hypergraph and Multi-LLM Agent Recommender Systems

迈向高效超图和多LLM代理推荐系统

Tendai Mukande, Esraa Ali, Annalina Caputo, Ruihai Dong, Noel OConnor

机构 * Research Ireland ML-LABS ； Dublin City University（都柏林城市大学） ； ADAPT Centre（ADAPT中心） ； School of Computing（计算学院） ； Insight Research Ireland Centre for Data Analytics（Insight Research Ireland 数据分析中心） ； University College Dublin（都柏林大学） 纠错

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

AI总结 HGLMRec通过超图编码器和多LLM代理机制，提升推荐系统在计算效率和推荐质量上的表现。

Comments 8 Pages

Know your Trajectory -- Trustworthy Reinforcement Learning deployment through Importance-Based Trajectory Analysis

了解你的轨迹 -- 通过基于重要性的轨迹分析实现可信的强化学习部署

Clifford F, Devika Jay, Abhishek Sarkar, Satheesh K Perepu, Santhosh G S, Kaushik Dey, Balaraman Ravindran

机构 * Clifford F（未知） ； Devika Jay（未知） ； Abhishek Sarkar（未知） ； Satheesh K Perepu（未知） ； Santhosh G S（未知） ； Kaushik Dey（未知） ； Balaraman Ravindran（未知） 纠错

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

AI总结 本文提出基于重要性的轨迹分析框架，通过评估轨迹级状态重要性，提升强化学习部署的可信度和可解释性。

Comments Accepted at 4th Deployable AI Workshop at AAAI 2026

U-Mamba2: Scaling State Space Models for Dental Anatomy Segmentation in CBCT

U-Mamba2：用于CBCT中牙科解剖分割的State Space模型扩展

Zhi Qin Tan, Xiatian Zhu, Owen Addison, Yunpeng Li

机构 * Centre for Oral, Clinical & Translational Sciences, King’s College London, United Kingdom（口腔、临床与转化科学中心，伦敦国王学院，英国） ； Surrey Institute for People-Centred AI, University of Surrey, United Kingdom（以人为本的人工智能研究院，萨里大学，英国） 纠错

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

AI总结 U-Mamba2通过整合Mamba2状态空间模型和牙科领域知识，实现了高效准确的CBCT牙科解剖分割。

Comments First place solution for both tasks of the ToothFairy3 challenge, MICCAI 2025

Evaluating Long-Term Memory for Long-Context Question Answering

评估长期记忆以实现长上下文问答

Alessandra Terranova, Björn Ross, Alexandra Birch

机构 * School of Informatics, The University of Edinburgh（信息学院，爱丁堡大学） 纠错

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

AI总结 本文评估了增强记忆方法在长上下文问答任务中的效果，发现通过RAG和事件记忆可显著减少令牌使用并保持准确性。

Comments Accepted as a poster at Metacognition in Generative AI EurIPS workshop

Efficient QAOA Architecture for Solving Multi-Constrained Optimization Problems

高效的QAOA架构用于解决多约束优化问题

David Bucher, Daniel Porawski, Maximilian Janetschek, Jonas Stein, Corey O'Meara, Giorgio Cortiana, Claudia Linnhoff-Popien

专题命中 记忆与上下文管理 ：workflow(abstract)

AI总结 本文提出了一种高效的QAOA架构，通过直接编码约束到电路中，提升多约束优化问题的求解效率和质量。