Massachusetts Institute of Technology（麻省理工学院）

Mem-Gallery: Benchmarking Multimodal Long-Term Conversational Memory for MLLM Agents

Mem-Gallery: 多模态长时对话记忆的基准测试用于 MLLM 代理

Yuanchen Bei, Tianxin Wei, Xuying Ning, Yanjun Zhao, Zhining Liu, Xiao Lin, Yada Zhu, Hendrik Hamann, Jingrui He, Hanghang Tong

机构 * University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校） ； MIT-IBM Watson AI Lab, IBM Research（MIT-IBM沃森人工智能实验室，IBM研究） ； Stony Brook University（石溪大学） ； Brookhaven National Laboratory（布鲁赫斯国家实验室） 纠错

AI总结 Mem-Gallery 是一个用于评估多模态长时对话记忆的基准测试，通过多会话对话数据集和系统评估框架，揭示了记忆提取、推理和知识管理的关键发现。

Comments 34 pages, 18 figures

MARVEL: A Multi Agent-based Research Validator and Enabler using Large Language Models

MARVEL：基于大语言模型的多智能体研究验证器与促进器

Nikhil Mukund, Yifang Luo, Fan Zhang, Lisa Barsotti, Erik Katsavounidis

机构 * MIT Kavli Institute for Astrophysics and Space Research and LIGO Laboratory（麻省理工学院凯斯利天文与空间研究所及LIGO实验室） ； Massachusetts Institute of Technology（麻省理工学院） ； State Key Laboratory of Ocean Sensing & Ocean College（海洋传感国家重点实验室） ； Zhejiang University（浙江大学） ； NSF AI Institute for Artificial Intelligence and Fundamental Interactions (IAIFI)（国家科学基金会人工智能与基本相互作用研究所） ； Cambridge, MA, USA（美国马萨诸塞州剑桥市） 纠错

AI总结 MARVEL通过结合快速查询路径和深度搜索模式，为科学领域提供可部署的验证器，其在探测器操作内容上显著优于GPT-4o基线。

Comments 18 pages, 7 figures

Digital Red Queen: Adversarial Program Evolution in Core War with LLMs

数字红皇后：基于大语言模型的Core War中的对抗程序进化

Akarsh Kumar, Ryan Bahlous-Boldi, Prafull Sharma, Phillip Isola, Sebastian Risi, Yujin Tang, David Ha

机构 * MIT（麻省理工学院） ； Sakana AI 纠错

AI总结 本文提出DRQ算法，利用大语言模型在Core War游戏中通过持续适应变化的目标进化出通用且高效的战士，揭示了动态对抗进化在人工智能系统中的潜力。

Comments 14 pages, 13 figures

Back to Basics: Let Denoising Generative Models Denoise

回归基础：让去噪生成模型去噪

Tianhong Li, Kaiming He

机构 * MIT（麻省理工学院） 纠错

AI总结 本文提出通过直接预测干净数据的JiT模型，在高维空间中实现有效的去噪生成模型，展示在ImageNet上取得竞争性结果。

Comments Tech report. Code at https://github.com/LTH14/JiT

Physics-Driven Data Generation for Contact-Rich Manipulation via Trajectory Optimization

通过轨迹优化实现接触密集操作的物理驱动数据生成

Lujie Yang, H. J. Terry Suh, Tong Zhao, Bernhard Paus Graesdal, Tarik Kelestemur, Jiuguang Wang, Tao Pang, Russ Tedrake

机构 * Computer Science and Artificial Intelligence Laboratory (CSAIL), Massachusetts Institute of Technology（计算机科学与人工智能实验室（CSAIL），麻省理工学院） ； Robotics and AI Institute（机器人与人工智能研究院） 纠错

AI总结 本研究提出了一种结合物理仿真和轨迹优化的方法，通过生成多样化高质量数据集，提升接触密集操作任务的机器人性能。