arXiv论文提出 MemPABench:测智能体记住用户交互偏好的能力

arXiv 上一篇新论文提出 MemPABench,专门评测个人智能体能否记住并执行用户的交互偏好,如何时澄清、何时确认、何时直接行动。它暴露出的问题是:现有记忆系统在偏好选择上提升有限。

arXiv 上一篇新论文提出 MemPABench,专门评测个人智能体能否记住并执行用户的交互偏好,如何时澄清、何时确认、何时直接行动。它暴露出的问题是:现有记忆系统在偏好选择上提升有限。

arXiv 上一篇新论文回顾了 Prolog 教材《Simply Logical》从 1994 年随书附 3.5 英寸软盘、到如今全交互在线版的三十年演变,讨论技术如何重塑教材形态与学习体验。

2026年10月19日,alphaXiv收录的一项研究提出FunCAD-Harness框架,让大模型智能体在CAD里设计机械机构,并通过按候选方案自动绑定物理测试、用仿真反馈迭代修改,来暴露视觉上看不出的功能失败。

浙江大学等团队在 Hugging Face Papers 发布论文摘要,提出 ScaleNav,用互联网第一视角视频做语言条件局部导航预训练,在仿真基准和四足机器人上做了验证。

alphaXiv 收录的论文 PPMem 提出,让视频生成模型用一组“平面基元”记录已生成场景的 3D 结构,以便镜头离开再回来时仍能保持场景一致。这是研究方案,不是已上线产品。

研究团队联合美国能源部(DOE)国家实验室科学家推出“Into the Unknown”基准,让AI代理基于真实论文撰写后续研究论文;9个前沿代理共提交135篇,全部未满足领域科学家设定的条件,其中114篇未通过完整性检查。这为“AI能否做开放科研”提供了一个可量化的压力测试。

2026年10月18日,一篇数学论文给出了整数商格中“方向完备集”前三种最小尺寸的精确公式,并分类了达到这些尺寸的全部构型,同时得到一个关于有限内存控制器的推论。

arXiv 新论文 ANASSA 将此前的高层空间智能体编排框架,细化为包含 47 个逻辑角色、版本化任务图和溯源记录的低层架构,让地理空间 AI 工作流更可检查、可重建。

一篇 2026 年 10 月 14 日发布于 arXiv 的论文发现,当前主流数据科学智能体在 220 个任务中多数至少存在一种方法论失败,数据泄漏甚至与预测性能正相关,仅看准确率会掩盖问题。

一项基于 StudyChat 和 RECIPE4U 两个公开数据集的研究发现,学生与ChatGPT的对话记录在跨学生预测学业成绩时,几乎没有增量预测价值,历史成绩仍是极难超越的基线。