University of Oxford（牛津大学）

Recursive Experiential-Working Memory Evolution for Long-Horizon Agent Harnesses

面向长 horizon 智能体利用的递归经验-工作记忆演化

Zhaochen Yu, Yingcheng Wu, Zhenfei Yin, Kaiyuan Chen, Zhe Zhao, Mengdi Wang, Shuicheng Yan, Ling Yang

机构 * Princeton University（普林斯顿大学） ； Stanford University（斯坦福大学） ； University of Oxford（牛津大学） 纠错

AI总结 针对长 horizon 智能体的递归自我改进难题，提出 Recuris 架构，通过递归记忆演化提升任务成功率，在多个基准和模型上实现显著性能提升，为 RSI 提供可扩展基础。

Comments Code: this https URL (https://github.com/Gen-Verse/Recuris)

Parameter-Level Attribution of Symmetry in Trained Networks Though Parameter-Wise Functional Sensitivity

通过逐参数功能敏感性分析训练网络中对称性的参数级归因

Alan Muriithi, Vedanta Thapar, Torben Berndt

机构 * Mathematical Institute, University of Oxford（牛津大学数学研究所） ； Heidelberg Institute for Theoretical Studies（海德堡理论研究所） 纠错

AI总结 该研究针对训练网络的对称性参数归因问题，通过逐参数功能敏感性分析，揭示了参数空间中实现函数空间对称性群作用的条件，并在旋转不变分类器与哈密顿神经网络上验证了相关结论。

Pivot-and-Station Multi-Agent Path Finding: Solvability, Complexity, and Algorithms

枢轴与站点多智能体路径寻径：可解性、复杂性与算法

Andrea Di Nezza, Mihir Patel, Fabio Fagnani, Sara Bernardini

机构 * Politecnico di Torino（都灵理工大学） ； University of Oxford（牛津大学） 纠错

AI总结 针对需访问枢轴后停放的多智能体路径寻径问题，研究人员证明其可解性条件、最小化相关时间指标的NP难性，并提出PPP算法，大幅提升基准实例求解效率。