CLP-SNN：在 Intel Loihi 2 上实现在线持续学习的脉冲神经网络
研究者提出 CLP-SNN，将 Continually Learning Prototypes 算法重构为事件驱动的脉冲神经网络，并部署在 Intel Loihi 2 芯片上，成为该芯片上首个在线持续学习器。
#端侧
arXiv cs.AIAI 评分5050 arXiv cs.AIAI 评分3636 HFS：面向端侧智能体增强实时通信的协同网络调度框架
研究者提出 HFS 框架，解决端侧智能体增强实时通信（RTC）中人类直播视频流量与智能体上下文传输流量的并发争用问题。该框架通过应用层统一编排器联合控制多流发送速率，基于 WebRTC 的原型实现视频质量提升 1.5 倍、智能体响应时间降低 31%。论文已被 USENIX NSDI 2027 接收。
arXiv cs.AIAI 评分4242 数据系统视角下的 LLM 长上下文本地推理分析
一篇 arXiv 论文从数据系统视角分析长上下文 LLM 在单机 GPU 上本地推理的瓶颈。研究发现 self-attention 主导长上下文推理的运行时间，且其现有结构使关键 GPU 资源利用不足，最新一代 GPU 反而常常表现最差。作者将 KV cache 分页、缓存利用率和 GPU 同步等问题归结为数据管理问题，并以实验观察和建议的形式供数据系统社区参考。
arXiv cs.AIAI 评分3838 PULSE：面向可穿戴设备的个性化机会式学习框架
PULSE 是一种事件驱动的个性化机会式学习框架，把设备间的每次相遇视为在线协作决策，仅在邻居梯度与本地学习方向兼容时才引入。在人类活动识别、跌倒检测和压力识别任务上，其相比机会式模型平均减少 80-94% 的同伴协作交换，同时保持或提升个性化分类性能。真机实验显示完整实现仅占 149.8 KiB RAM 和 561.8 KiB flash，peer-assisted 操作能耗有限。
arXiv cs.AIAI 评分3535 BMO：面向跨节点攻击的边界感知模型混淆防御方法
一篇 arXiv 论文提出 BMO 方法，针对边缘设备部署中跨节点攻击的威胁，通过混淆模型参数使各设备模型的决策边界多样化。该方法基于零空间约束将参数分解为边界位置与边界曲率分量，向曲率分量注入噪声，同时保持良性准确率。在四类对抗攻击和四个主流端侧模型上，BMO 防御平均成功率达 68.68%，远超基线的 22.32%。
arXiv cs.AIAI 评分3737 CoASFL：面向异步分割联邦学习的耦合一致性优化框架
研究者提出 CoASFL，一种面向异步分割联邦学习的不一致性感知框架，通过动态激活合并机制和一致性感知聚合机制，同时缓解客户端间横向不一致与客户端-服务器间纵向不一致。在 80 台设备的异构边缘测试床上，CoASFL 较最先进 SFL 方法训练加速 1.61 倍至 3.74 倍，最终模型准确率最高提升 3.26%。
arXiv cs.AIAI 评分3636 MedPAO-Assist：可边缘部署、面向放射报告结构化的模态感知智能体 AI
研究者提出 MedPAO-Assist，一个可边缘部署的智能体框架，从放射科医生口述和语音指令直接生成结构化放射报告，仅需约 3.3 GB 峰值内存，在普通笔记本 CPU 上端到端平均延迟约 31 秒。