语言大模型 / LLM

SmartC2Rust: Iterative, Feedback-Driven C-to-Rust Translation via Large Language Models for Safety and Equivalence

SmartC2Rust: 基于大语言模型的迭代反馈驱动C到Rust翻译用于安全性和等价性

Momoko Shiraishi, Yinzhi Cao, Takahiro Shinagawa

专题命中 长上下文与记忆 ：large language model(title,abstract)；language model(title,abstract)；LLM(abstract)

AI总结 SmartC2Rust通过迭代反馈机制利用大语言模型实现C到Rust的翻译，提升内存安全性和语义等价性。

Journal ref ICSE '26: Proceedings of the 48th International Conference on Software Engineering, April 12-18, 2026, Rio de Janeiro, Brazil

Attention Sinks in Diffusion Language Models

扩散语言模型中的注意力汇

Maximo Eduardo Rulli, Simone Petruzzi, Edoardo Michielon, Fabrizio Silvestri, Simone Scardapane, Alessio Devoto

机构 * Sapienza University of Rome（罗马大学） 纠错

专题命中 长上下文与记忆 ：language model(title,abstract)；分类 cs.CL、cs.AI

AI总结 本文研究了扩散语言模型中的注意力汇现象，发现其注意力位置在生成过程中动态变化，且对掩码具有鲁棒性，揭示了与自回归模型的不同特性。

Episodic Memory Verbalization using Hierarchical Representations of Life-Long Robot Experience

基于长期机器人经验的分层表示的事件记忆语言化

Leonard Bärmann, Chad DeChant, Joana Plewnia, Fabian Peller-Konrad, Daniel Bauer, Tamim Asfour, Alex Waibel

机构 * Institute for Anthropomatics and Robotics, Karlsruhe Institute of Technology（人机学与机器人研究所，卡尔斯鲁厄理工学院） ； Computer Science Department, Columbia University（计算机科学系，哥伦比亚大学） 纠错

专题命中 长上下文与记忆 ：large language model(abstract)；language model(abstract)；分类 cs.AI

AI总结 本文提出了一种基于分层表示的机器人长期经验语言化方法，利用大规模预训练模型实现零样本学习，通过构建树状数据结构实现事件记忆的自然语言抽象，提升人机交互能力。

Comments Humanoids 2025. Code, data and demo videos at https://hierarchical-emv.github.io

O-Mem: Omni Memory System for Personalized, Long Horizon, Self-Evolving Agents

O-Mem：面向个性化、长时域、自演化代理的全方位记忆系统

Piaohong Wang, Motong Tian, Jiaxian Li, Yuan Liang, Yuqing Wang, Qianben Chen, Tiannan Wang, Zhicong Lu, Jiawei Ma, Yuchen Eleanor Jiang, Wangchunshu Zhou

专题命中 长上下文与记忆 ：LLM(abstract)；分类 cs.CL

AI总结 O-Mem通过主动用户画像动态提取和更新用户特征，提升个性化代理在复杂环境中的长期交互能力，实现更连贯的响应并优于现有最先进方法。