Can AI Agents Detect and Repair Artifact Drift in Network Experiments?
研究通过NetArtifactBench测试AI代理在修复网络实验中不一致记录时保持数据完整性的问题，发现现有AI代理在此方面表现有限。
0 citationsRead paper
Selected work
Representative Papers
Can AI Agents Deliver Verifiable Network-Wide Outcomes Across Authority Boundaries?
本文提出EvidenceNet解决网络自动化中跨域AI代理操作的验证问题，通过收集和评估来自不同范围的当前观察来确认操作是否达到预期网络状态。
0 citationsRead paper
Navigating Small-World Networks with Distance Predictions
本文研究了基于距离预测的贪婪路由算法如何在小世界网络中提高消息传递效率，通过使用(ε,δ)-预测来减少期望送达时间。
0 citationsRead paper
Transformers as In-Context Samplers: From Closed-Form Diffusion to Estimation-Free Sampling
研究证明，通过将Transformer作为上下文采样器，可以实现从闭式扩散到无估计采样的数据生成，解决了无需参数更新即可进行数据生成的问题。
0 citationsRead paper
Formation of structural attractors in neuromorphic systems
本文探讨了不变结构学习理论，通过在超图空间中收敛到结构吸引子而非最小化全局损失函数来形成概念，并验证了其数学一致性和计算可行性。
0 citationsRead paper
Recent publications
Latest Papers
Can AI Agents Detect and Repair Artifact Drift in Network Experiments?
研究通过NetArtifactBench测试AI代理在修复网络实验中不一致记录时保持数据完整性的问题，发现现有AI代理在此方面表现有限。
0 citationsRead paper
Can AI Agents Deliver Verifiable Network-Wide Outcomes Across Authority Boundaries?
本文提出EvidenceNet解决网络自动化中跨域AI代理操作的验证问题，通过收集和评估来自不同范围的当前观察来确认操作是否达到预期网络状态。
0 citationsRead paper
Navigating Small-World Networks with Distance Predictions
本文研究了基于距离预测的贪婪路由算法如何在小世界网络中提高消息传递效率，通过使用(ε,δ)-预测来减少期望送达时间。
0 citationsRead paper
Transformers as In-Context Samplers: From Closed-Form Diffusion to Estimation-Free Sampling
研究证明，通过将Transformer作为上下文采样器，可以实现从闭式扩散到无估计采样的数据生成，解决了无需参数更新即可进行数据生成的问题。
0 citationsRead paper
Formation of structural attractors in neuromorphic systems
本文探讨了不变结构学习理论，通过在超图空间中收敛到结构吸引子而非最小化全局损失函数来形成概念，并验证了其数学一致性和计算可行性。
0 citationsRead paper