语言大模型 / LLM

See and Remember: A Multimodal Agent for Web Traversal

见与忆：一种用于网页浏览的多模态代理

Xinjun Wang, Shengyao Wang, Aimin Zhou, Hao Hao

机构 * Shanghai Institute of AI for Education（上海人工智能教育研究院） ； East China Normal University（华东师范大学） 纠错

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

AI总结 V-GEMS通过视觉 grounding 和显式记忆系统实现精确稳健的网页浏览，实验显示其在导航任务中性能提升28.7%

GPUTOK: GPU Accelerated Byte Level BPE Tokenization

GPUTOK: 基于GPU的字节级BPE分词

Venu Gopal Kadamba, Kanishkha Jaisankar

机构 * New York University（纽约大学） 纠错

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

AI总结 GPUTOK提出基于GPU的字节级BPE分词器，通过优化算法和内存管理，显著提升分词速度，同时保持输出质量，适用于长上下文推理任务。

Neural Paging: Learning Context Management Policies for Turing-Complete Agents

神经分页：为图灵完备智能体学习上下文管理策略

Liang Chen, Qi Liu

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

AI总结 本文提出神经分页架构，通过解耦符号推理与信息资源管理，提升图灵完备智能体的上下文处理效率和鲁棒性。

Contrastive Retrieval Heads Improve Attention-Based Re-Ranking

对比检索头提升基于注意力的重排序

Linh Tran, Yulong Li, Radu Florian, Wei Sun

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

AI总结 通过对比评分度量筛选出的CoRe头提升了基于注意力的重排序性能，显著提高准确性并减少计算资源消耗

SuperLocalMemory: Privacy-Preserving Multi-Agent Memory with Bayesian Trust Defense Against Memory Poisoning

SuperLocalMemory：隐私保护的多智能体记忆系统，通过贝叶斯信任防御对抗记忆中毒

Varun Pratap Bhardwaj

机构 * Independent Research（独立研究者） 纠错

专题命中 长上下文与记忆 ：LLM(abstract)；分类 cs.AI

AI总结 SuperLocalMemory通过本地化存储和贝叶斯信任评分，实现隐私保护的多智能体记忆系统，有效防御内存中毒攻击，提升检索性能。

Comments 11 pages, 5 tables, 1 figure. Code: https://github.com/varun369/SuperLocalMemoryV2

TTT3R: 3D Reconstruction as Test-Time Training

TTT3R: 3D重建作为测试时训练

Xingyu Chen, Yue Chen, Yuliang Xiu, Andreas Geiger, Anpei Chen

机构 * Zhejiang University（浙江大学） ； Westlake University（西湖大学） ； Uni of Tübingen, Tübingen AI Center（图宾根大学，图宾根人工智能中心） 纠错

专题命中 长上下文与记忆 ：foundation model(abstract)

AI总结 TTT3R通过测试时训练方法提升3D重建的长度泛化能力，实现全局姿态估计性能提升2倍，运行效率高且内存消耗低。

Comments Page: https://rover-xingyu.github.io/TTT3R/ Code: https://github.com/Inception3D/TTT3R

Journal ref International Conference on Learning Representations (ICLR), 2026