标签
提出 ReHarness 框架，通过在严格在线流式协议下结合前向读写与后向修订（利用轨迹反馈修订检索到的反思），实现 LLM 智能体的持续学习，在三个基准和三种模型骨干上均优于基线方法。
论文提出ReHarness，一种面向智能体持续学习的循环harness框架，在严格在线流式协议下通过backward revision补充前向信息流，从而在分布偏移下改进语言模型智能体的记忆与反思更新。
本文提出 ASCENT，一种在线智能体测试时训练方法，允许 LLM 智能体通过将已验证的执行轨迹自蒸馏为持久的 LoRA 更新，在跨任务过程中改进自身权重，并在 ALFWorld、WebShop 和 AppWorld 上进行评估。
本文提出一种用于贝叶斯神经网络的全协方差平滑技术，通过在非线性激活中传播相关性以实现高效的在线适应，并在分类和控制等任务中得到验证。
本文提出动态检索策略生成（DRPG）框架，该框架利用记忆检索和环境反馈动态生成策略，以在多种任务中实现大型语言模型的持续改进。
本文提出了一种面向网络代理的预算感知在线教学框架，能够在保持性能的同时降低教师模型调用和计算成本。
This paper proposes OSPDIM, a source-free online unsupervised domain adaptation framework for EEG-based BCIs that corrects geometric misalignment caused by class-imbalanced label shifts on the Riemannian manifold, outperforming standard alignment methods in online scenarios.
本文介绍了Σ-Mem，一种用于基于LLM的多智能体系统的在线可靠性记忆，它跟踪同伴的历史能力表现及同伴之间的关系，通过谱界实现稳定自适应，并通过残差引导、路由和加权投票来改善协调性。
本文研究了分子优化中离散扩散模型的在线适应策略，确定了采集、奖励塑形、去偏、重放和有效性控制等互补组件，这些组件提高了小分子和蛋白质任务上的反馈效率。
本文提出ORCA，一种通过学习预测错误的上下文来实现时间序列基础模型黑盒在线自适应的方法。该方法在五个TSFM和八个数据集上展示了有效性，解决了基于闭源API的模型自适应挑战。
来自阿里巴巴/Qwen和北京大学的研究人员提出了TMEM——一种自进化参数化记忆框架。该框架利用在线LoRA权重更新，使LLM智能体能够在单个回合内真正从经验中学习，而非仅依赖提示空间中的记忆。TMEM在多个基准测试（包括LoCoMo、LongMemEval-S和CL-Bench）上均优于基于摘要和基于检索的基线方法。
本文介绍了Spectral Souping，这是一种通过发现通用谱表示来高效对齐LLM与个体用户偏好的框架，该表示能在推理时合并专门策略，无需昂贵的重新训练。
OjaKV 引入了一种上下文感知的在线低秩KV缓存压缩框架，该框架利用混合存储策略和Oja算法进行增量子空间自适应，以减少长上下文大语言模型推理中的GPU内存瓶颈，且无需模型微调。