University of Chinese Academy of Sciences（中国科学院大学）

Beyond Entangled Planning: Task-Decoupled Planning for Long-Horizon Agents

超越纠缠规划：面向长时间 horizon 的任务解耦规划

Yunfan Li, Bingbing Xu, Xueyun Tian, Xiucheng Xu, Huawei Shen

机构 * State Key Laboratory of AI Safety, Institute of Computing Technology, CAS（人工智能安全国家重点实验室、计算技术研究所、中国科学院） ； University of Chinese Academy of Sciences（中国科学院大学） 纠错

AI总结 本文提出任务解耦规划（TDP）方法，通过将任务分解为子目标图，减少长horizon智能体的规划误差传播，提升鲁棒性和效率。

Learning How to Remember: A Meta-Cognitive Management Method for Structured and Transferable Agent Memory

学习如何记忆：一种用于结构化和可迁移智能体记忆的元认知管理方法

Sirui Liang, Pengfei Cao, Jian Zhao, Wenhao Teng, Xiangwen Liao, Jun Zhao, Kang Liu

机构 * Institute of Automation, CAS（中国科学院自动化研究所） ； University of Chinese Academy of Sciences（中国科学院大学） ； Zhongguancun Academy（中关村学院） ； Zhongguancun Institute of Artificial Intelligence（中关村人工智能研究所） ； Department of Gastrointestinal Surgery, Fujian Provincial Cancer Hospital（福建省癌症医院胃肠外科） ； College of Computer and Data Science, Fuzhou University（福州大学计算机与数据科学学院） 纠错

AI总结 本文提出MCMA方法，通过学习记忆抽象技能提升智能体在长期任务中的记忆管理和泛化能力。

Beyond Dialogue Time: Temporal Semantic Memory for Personalized LLM Agents

超越对话时间：面向个性化LLM代理的时序语义记忆

Miao Su, Yucan Guo, Zhongni Hou, Long Bai, Zixuan Li, Yufei Zhang, Guojun Yin, Wei Lin, Xiaolong Jin, Jiafeng Guo, Xueqi Cheng

机构 * Institute of Computing Technology, Chinese Academy of Sciences（中国科学院计算技术研究所） ； State Key Laboratory of AI Safety（人工智能安全国家重点实验室） ； School of Computer Science, University of Chinese Academy of Sciences（中国科学院大学计算机科学学院） 纠错

AI总结 本文提出TSM，一种面向个性化LLM代理的时序语义记忆框架，通过建模语义时间和持续记忆，提升对话任务的准确性和持续性。

Segmental Advantage Estimation: Enhancing PPO for Long-Context LLM Training

段落优势估计：增强PPO用于长上下文LLM训练

Xue Gong, Qi Yi, Ziyuan Nan, Guanhua Huang, Kejiao Li, Yuhao Jiang, Ruibin Xiong, Zenan Xu, Jiaming Guo, Shaohui Peng, Bo Zhou

机构 * LLM Department, Tencent（腾讯大语言模型部门） ； University of Chinese Academy of Sciences（中国科学院大学） ； Intelligent Software Research Center, Institute of Software, CAS（软件研究所智能软件研究中心） ； State Key Lab of Processors, Institute of Computing Technology, CAS（计算技术研究所处理器国家重点实验室） 纠错

AI总结 段落优势估计通过减少稀疏奖励环境中的偏差，提升PPO在长上下文LLM训练中的稳定性和效率

MI-PRUN: Optimize Large Language Model Pruning via Mutual Information

MI-PRUN：通过互信息优化大语言模型剪枝

Hao Zhang, Zhibin Zhang, Guangxin Wu, He Chen, Jiafeng Guo, Xueqi Cheng

机构 * Institute of Computing Technology, Chinese Academy of Sciences（中国科学院计算技术研究所） ； University of Chinese Academy of Sciences（中国科学院大学） ； School of Advanced Interdisciplinary Sciences, University of Chinese Academy of Sciences（中国科学院大学先进交叉学科学院） 纠错

AI总结 MI-PRUN通过互信息方法优化大语言模型剪枝，利用隐藏状态转换识别冗余块，并结合数据处理不等式提升剪枝效率和稳定性。

Comments 10 pages

Few-shot Class-Incremental Learning via Generative Co-Memory Regularization

基于生成共记忆正则化的少样本类增量学习

Kexin Bao, Yong Li, Dan Zeng, Shiming Ge

机构 * Institute of Information Engineering（信息工程研究所） ； Chinese Academy of Sciences（中国科学院） ； School of Cyber Security（网络安全学院） ； University of Chinese Academy of Sciences（中国科学院大学） ； Department of Communication Engineering（通信工程系） 纠错

AI总结 本文提出基于生成共记忆正则化的少样本类增量学习方法，通过微调生成编码器和构建类记忆来提升模型在少量样本下的识别准确率，同时减少灾难性遗忘和过拟合。

Comments Accepted by International Journal on Computer Vision (IJCV)

CloneMem: Benchmarking Long-Term Memory for AI Clones

CloneMem：用于AI克隆的长期记忆基准测试

Sen Hu, Zhiyu Zhang, Yuxiang Wei, Xueran Han, Zhenheng Tang, Huacan Wang, Ronghao Chen

机构 * Peking University（北京大学） ； UC Davis（加州大学戴维斯分校） ； Georgia Tech（佐治亚理工学院） ； MBZUAI（穆桑人工智能研究所） ； HKUST（香港科技大学） ； UCAS（中国科学技术大学） 纠错

AI总结 CloneMem是一个用于评估AI克隆长期记忆能力的基准，通过非对话数字痕迹数据，评估代理对个人状态演变的跟踪能力。

Aligning the Spectrum: Hybrid Graph Pre-training and Prompt Tuning across Homophily and Heterophily

频谱对齐：跨同频与异频的混合图预训练与提示调优

Haitong Luo, Suhang Wang, Weiyao Zhang, Ruiqi Meng, Xuying Meng, Yujun Zhang

机构 * Institute of Computing Technology, Chinese Academy of Sciences（中国科学院计算技术研究所） ； University of Chinese Academy of Sciences（中国科学院大学） ； Pennsylvania State University（宾夕法尼亚州立大学） 纠错

AI总结 本文提出HS-GPPT方法，通过混合频谱骨干和频谱对齐提示调优，解决同频和异频场景下的知识迁移问题。

Comments Under Review

MoE-DisCo:Low Economy Cost Training Mixture-of-Experts Models

MoE-DisCo：低经济成本训练混合专家模型

Xin Ye, Daning Cheng, Boyang Zhang, Yunquan Zhang

机构 * Institute of Computing Technology, Chinese Academy of Sciences（中国科学院计算技术研究所） ； University of Chinese Academy of Sciences（中国科学院大学） ； Peng Cheng Laboratory（鹏城实验室） 纠错

AI总结 MoE-DisCo通过分阶段训练框架，利用低成本硬件降低混合专家模型训练成本，同时在多个任务上实现性能提升。

MedGround: Bridging the Evidence Gap in Medical Vision-Language Models with Verified Grounding Data

MedGround: 通过验证的 grounding 数据弥合医学视觉-语言模型中的证据差距

Mengmeng Zhang, Xiaoping Wu, Hao Luo, Fan Wang, Yisheng Lv

机构 * Institute of Automation, Chinese Academy of Sciences（中国科学院自动化研究所） ； School of Artificial Intelligence, University of Chinese Academy of Sciences（中国科学院大学人工智能学院） ； DAMO Academy, Alibaba Group（阿里巴巴集团 DAMO 院） ； Hupan Lab, Zhejiang Province（浙江省 Hupan 实验室） 纠错

AI总结 MedGround通过生成高质量的医学指称 grounding 数据，提升视觉-语言模型在临床场景中的定位和泛化能力。

Comments 18 pages, 10 figures

LitVISTA: A Benchmark for Narrative Orchestration in Literary Text

LitVISTA：文学文本叙事编排的基准测试

Mingzhe Lu, Yiwen Wang, Yanbing Liu, Qi You, Chong Liu, Ruize Qin, Haoyu Dong, Wenyu Zhang, Jiarui Zhang, Yue Hu, Yunpeng Li

机构 * Institute of Information Engineering, Chinese Academy of Sciences（中国科学院信息工程研究所） ； School of Cyber Security, University of Chinese Academy of Sciences（中国科学院大学网络安全学院） ； University of Science and Technology of China（中国科学技术大学） ； University of Melbourne（墨尔本大学） 纠错

AI总结 LitVISTA通过结构注释的文学文本基准，评估模型在叙事编排中的能力，揭示现有模型在构建统一叙事视图方面的不足。

Projecting Out the Malice: A Global Subspace Approach to LLM Detoxification

剔除恶意：一种全局子空间方法用于LLM去毒化

Zenghao Duan, Zhiyi Yin, Zhichao Shi, Liang Pang, Shaoling Jing, Zihe Huang, Jiayi Wu, Yu Yan, Jingcheng Deng, Huawei Shen, Xueqi Cheng

机构 * State Key Laboratory of AI Safety, Institute of Computing Technology, Chinese Academy of Sciences（中国科学院人工智能安全国家重点实验室，计算技术研究所） ； University of Chinese Academy of Sciences（中国科学院大学） ； Dalian University of Technology（大连理工大学） 纠错

AI总结 本文提出GLOSS方法，通过识别并消除LLM参数中的全局子空间来实现去毒化，有效提升模型安全性。

ConstraintLLM: A Neuro-Symbolic Framework for Industrial-Level Constraint Programming

ConstraintLLM: 一种用于工业级约束编程的神经符号框架

Weichun Shi, Minghao Liu, Wanting Zhang, Langchen Shi, Fuqi Jia, Feifei Ma, Jian Zhang

机构 * Hangzhou Institute for Advanced Study, UCAS, Hangzhou, China（杭州高等研究院，UCAS，杭州，中国） ； University of Oxford, Oxford, UK（牛津大学，牛津，英国） ； University of Science and Technology Beijing, Beijing, China（北京科技大学，北京，中国） ； SKLCS and Key Laboratory of System Software, ISCAS, Beijing, China（SKLCS和系统软件重点实验室，ISCAS，北京，中国） ； Laboratory of Parallel Software and Computational Science, ISCAS, Beijing, China（并行软件与计算科学实验室，ISCAS，北京，中国） ； University of Chinese Academy of Sciences, Beijing, China（中国科学院大学，北京，中国） 纠错

AI总结 ConstraintLLM是一种专为约束编程设计的神经符号框架，通过引入Constraint-Aware Retrieval Module和Tree-of-Thoughts框架，实现了在工业级约束编程基准上的高性能求解。

Comments Accepted to the 2025 Conference on Empirical Methods in Natural Language Processing (EMNLP 2025), Main Conference

Journal ref Proceedings of the 2025 Conference on Empirical Methods in Natural Language Processing, pages 15999-16019

Fracture interactive geodesic active contours for bone segmentation

骨折交互测地主动轮廓用于骨分割

Liheng Wang, Licheng Zhang, Hailin Xu, Jingxin Zhao, Xiuyun Su, Jiantao Li, Miutian Tang, Weilu Gao, Chong Chen

机构 * State Key Laboratory of Mathematical Sciences, Academy of Mathematics and Systems Science, Chinese Academy of Sciences, Beijing 100190, China（数学科学国家重点实验室，数学与系统科学研究院，中国科学院，北京） ； University of Chinese Academy of Sciences, Beijing 100190, China（中国科学院大学，北京） ； Department of Orthopedics, The Fourth Medical Center of Chinese PLA General Hospital, Beijing 100048, China（中国人民解放军总医院第四医学中心骨科，北京） ； National Clinical Research Center for Orthopedics, Sports Medicine and Rehabilitation, Beijing 100048, China（骨科、运动医学与康复国家临床医学研究中心，北京） ； Department of Trauma and Orthopedics, People’s Hospital Peking University, Beijing 100044, China（北京大学人民医院创伤与骨科，北京） 纠错

AI总结 本文提出一种针对骨骨折分割的改进测地主动轮廓算法，通过结合强度和梯度范数的边缘检测函数，提升骨分割的鲁棒性和准确性。

Comments 27 pages, 10 figures, 1 table

Journal ref Pattern Recognition 2026

A Survey of Multimodal Hallucination Evaluation and Detection

多模态幻觉评估与检测综述

Zhiyuan Chen, Yuecong Min, Jie Zhang, Bei Yan, Jiahao Wang, Xiaozhen Wang, Shiguang Shan

机构 * State Key Laboratory of AI Safety（人工智能安全国家重点实验室） ； Institute of Computing Technology, Chinese Academy of Sciences (CAS)（中国科学院计算技术研究所） ； University of Chinese Academy of Sciences（中国科学院大学） ； Trustworthy Technology and Engineering Laboratory（可信技术与工程实验室） ； Huawei（华为公司） 纠错

AI总结 本文综述了多模态幻觉评估与检测方法，分析了幻觉分类、评估基准、检测技术及未来研究方向。

Comments 40 pages, 5 figures

Practical Continual Forgetting for Pre-trained Vision Models

实用的预训练视觉模型持续遗忘

Hongbo Zhao, Fei Zhu, Bolin Ni, Feng Zhu, Gaofeng Meng, Zhaoxiang Zhang

机构 * State Key Laboratory of Multimodal Artificial Intelligence Systems, Institute of Automation, Chinese Academy of Sciences（多模态人工智能系统国家重点实验室，自动化研究所，中国科学院） ； University of Chinese Academy of Sciences（中国科学院大学） ； Centre for Artificial Intelligence and Robotics, Hong Kong Institute of Science & Innovation, Chinese Academy of Sciences（人工智能与机器人中心，香港科学创新研究院，中国科学院） ； SenseTime Research（商汤科技研究院） 纠错

AI总结 该研究提出GS-LoRA方法，通过组稀疏正则化和原型信息监督，实现预训练视觉模型的持续遗忘，有效删除特定类别信息同时最小化对其他类别的影响。

Comments Accepted by TPAMI. arXiv admin note: substantial text overlap with arXiv:2403.11530