Princeton University（普林斯顿大学）

UI-Mem: Self-Evolving Experience Memory for Online Reinforcement Learning in Mobile GUI Agents

UI-Mem: 为移动GUI代理在线强化学习中的自演化经验记忆

Han Xiao, Guozhi Wang, Hao Wang, Shilong Liu, Yuxiang Chai, Yue Pan, Yufeng Zhou, Xiaoxin Chen, Yafei Wen, Hongsheng Li

机构 * Multimedia Laboratory (MMLab), The Chinese University of Hong Kong（香港中文大学多媒体实验室） ； Shenzhen Loop Area Institute（深圳河套学院） ； Shanghai AI Lab（上海人工智能实验室） ； vivo AI Lab（vivo人工智能实验室） ； Princeton University（普林斯顿大学） 纠错

AI总结 UI-Mem通过自演化经验记忆提升移动GUI代理在线强化学习性能，实现跨任务经验转移与策略优化。

Comments 23 pages, 16 figures. Project page: https://ui-mem.github.io

Phi-Former: A Pairwise Hierarchical Approach for Compound-Protein Interactions Prediction

Phi-Former：一种用于化合物-蛋白质相互作用预测的成对分层方法

Zhe Wang, Zijing Liu, Chencheng Xu, Yuan Yao

机构 * Hong Kong University of Science and Technology（香港科技大学） ； International Digital Economy Academy (IDEA)（国际数字经济学院（IDEA）） ； Princeton University（普林斯顿大学） 纠错

AI总结 Phi-Former通过成对分层方法提升化合物-蛋白质相互作用预测的准确性与可解释性。

Comments Accepted to BIBM 2025. 6 pages, 5 figures

Flexible inference for animal learning rules using neural networks

利用神经网络实现动物学习规则的灵活推断

Yuhan Helena Liu, Victor Geadah, Jonathan Pillow

机构 * Princeton University（普林斯顿大学） 纠错

AI总结 本文提出利用神经网络推断动物学习规则的方法，通过模拟和实验验证其有效性，展示了在预测学习轨迹方面的优越性。

Large-Ensemble Simulations Reveal Links Between Atmospheric Blocking Frequency and Sea Surface Temperature Variability

大规模集合模拟揭示大气阻塞频率与海表温度变率之间的联系

Zilu Meng, Gregory J. Hakim, Wenchang Yang, Gabriel A. Vecchi

机构 * Department of Atmospheric and Climate Science, University of Washington（大气与气候科学系，华盛顿大学） ； Department of Geosciences, Princeton University（地球科学系，普林斯顿大学） ； High Meadows Environmental Institute, Princeton University（高梅斯环境研究所，普林斯顿大学） 纠错

AI总结 本文利用深度学习模型的大规模集合模拟，揭示了SST变率对大气阻塞频率的显著影响，并展示了该方法在分离SST信号与内部噪声中的有效性。