Amazon（亚马逊）

From Seeing to Thinking: Decoupling Perception and Reasoning Improves Post-Training of Vision-Language Models

从感知到思考：解耦感知与推理提升视觉语言模型的训练

Juncheng Wu, Hardy Chen, Haoqin Tu, Xianfeng Tang, Freda Shi, Hui Liu, Hanqing Lu, Cihang Xie, Yuyin Zhou

机构 * Amazon（亚马逊） ； University of Waterloo（滑铁卢大学） ； Vector Institute, Canada CIFAR AI Chair（向量研究所，加拿大CIFAR人工智能主席） 纠错

AI总结 本研究通过解耦感知与推理，发现视觉任务性能受限于感知能力不足而非推理本身，通过分阶段训练提升模型的感知与推理能力，从而在多个视觉数学和感知任务中取得更优表现。

Comments 19 pages, 9 figures; Accepted to ICML 2026; Project Page: https://ucsc-vlaa.github.io/VLM-CapCurriculum/

SAGE: Scalable Automatic Gating Ensemble for Confident Negative Harvesting in Fraud Detection

SAGE：可扩展的自动门控集成用于自信的负面采样在欺诈检测中

Sudheer Tubati, Amit Goyal

机构 * Amazon Music（亚马逊音乐） 纠错

AI总结 本文提出SAGE，一种结合SimHash基于的分层抽样和模块化门控集成的反事实意识负面采样方法，以在欺诈检测中实现对未标记数据的自信负面识别，解决了正例未标记学习中的表示偏差问题。

Journal ref WSDM Companion '26: Nineteenth ACM International Conference on Web Search and Data Mining, 2026, Pages 34 - 38

The World Won't Stay Still: Programmable Evolution for Agent Benchmarks

世界不会静止：为智能体基准测试的可编程进化

Guangrui Li, Yaochen Xie, Yi Liu, Ziwei Dong, Xingyuan Pan, Tianqi Zheng, Jason Choi, Michael J. Morais, Binit Jha, Shaunak Mishra, Bingrou Zhou, Chen Luo, Monica Xiao Cheng, Dawn Song

机构 * Amazon（亚马逊公司） ； UC Berkeley（伯克利大学） 纠错

AI总结 本文研究了结构化环境进化作为智能体基准测试构建问题，提出了一种基于图的框架ProEvolve，使环境进化可编程，并在电商和航班预订领域验证了其在质量、实现有效性及失败模式方面的表现。

Reward-Conditioned Reinforcement Learning

基于奖励的强化学习

Michal Nauman, Marek Cygan, Pieter Abbeel

机构 * University of Warsaw（华沙大学） ； Nomagic ； UC Berkeley, Amazon FAR（伯克利大学，亚马逊FAR） 纠错

AI总结 本文提出基于奖励的强化学习（RCRL），通过在收集经验时使用单一名义目标，使智能体在不额外交互的情况下暴露于多种奖励目标，从而提高样本效率并支持零样本行为调整。

Comments preprint

DECOR: Auditing LLM Deception via Information Manipulation Theory

DECOR：通过信息操纵理论审计大语言模型的欺骗行为

Linyue Cai, Samuel Yeh, Jwala Dhamala, Rahul Gupta, Sharon Li

机构 * Department of Computer Sciences, University of Wisconsin-Madison（威斯康星大学麦迪逊分校计算机科学系） ； Amazon（亚马逊） 纠错

AI总结 本文提出DECOR框架，基于信息操纵理论，通过细粒度审计实现对大语言模型欺骗行为的有效检测，展示了其在单轮和多轮欺骗检测中的优越性能。

ReacTOD: Bounded Neuro-Symbolic Agentic NLU for Zero-Shot Dialogue State Tracking

ReacTOD：用于零样本对话状态跟踪的受限神经符号代理NLU

Yanjun Lin, Zimo Xiao, Kartik Natarajan, Mahesh Sankaranarayanan, Niraj Nawanit, Rakshit Parashar, Austin Zhang, Karthik Konaraddi, Rishita Mote, Wei Niu

机构 * Amazon（亚马逊） 纠错

AI总结 该研究提出ReacTOD，一种受限神经符号架构，通过在自我纠正的ReAct循环中将NLU重新表述为离散工具调用来解决零样本对话状态跟踪问题，其核心方法是确定性验证，主要贡献是实现了新的零样本状态-of-the-art结果。

Comments Accepted at TrustNLP Workshop at ACL 2026

Latent Action Reparameterization for Efficient Agent Inference

潜在动作重参数化用于高效智能体推断

Wenhao Huang, Qingwen Zeng, Qiyue Chen, Zijie Guo, Yu Sun, Cheng Yang, Siru Ouyang, Jiri Gesi, Fang Wu, Jiayi Zhang, Huaming Chen, Bang Liu, Xiangru Tang, Chenglin Wu

机构 * Université de Montréal（蒙特利尔大学） ； The University of Sydney（悉尼大学） ； Fudan University（复旦大学） ； Yale University（耶鲁大学） ； DeepWisdom ； University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校） ； Amazon Science（亚马逊科学） ； Stanford University（斯坦福大学） ； The Hong Kong University of Science and Technology (Guangzhou)（香港科技大学（广州）） ； Mila - Quebec AI Institute（蒙特利尔人工智能研究所） 纠错

AI总结 本文提出Latent Action Reparameterization (LAR)框架，通过学习紧凑的潜在动作空间来提升大语言模型智能体的推断效率，减少有效动作 horizon 并保持原始动作空间的表达性。

TEA-Time: Transporting Effects Across Time

TEA-Time: 跨时间效应传输

Harsh Parikh, Gabriel Levin-Konigsberg, Dominique Perrault-Joncas, Alexander Volfovsky

机构 * Amazon SCOT（亚马逊SCOT实验室） ； Yale University（耶鲁大学） ； Duke University（杜克大学） 纠错

AI总结 本文提出了一种跨时间效应传输的方法，通过分离的时变效应假设正式化传输的平均处理效应，推导出两种识别策略：重复试验和共同臂，并为每种策略开发双重稳健、半参数高效估计器。

ALDEN: Boosting Private Data Extraction from Retrieval-Augmented Generation Systems via Active Learning and Distribution Estimation

ALDEN: 通过主动学习和分布估计提升从检索增强生成系统中提取私有数据

Xingyu Lyu, Jianfeng He, Ning Wang, Yidan Hu, Tao Li, Danjue Chen, Shixiong Li, Yimin Chen

机构 * University of Massachusetts Lowell（马萨诸塞大学洛厄尔分校） ； Virginia Tech（弗吉尼亚理工大学） ； Amazon（亚马逊） ； University of South Florida（佛罗里达州立大学） ； Rochester Institute of Technology（罗切斯特理工学院） ； Purdue University（普渡大学） ； North Carolina State University（北卡罗来纳州立大学） 纠错

AI总结 本文提出ALDEN方法，通过主动学习和分布估计有效提升从检索增强生成系统中提取私有数据的效率和效果，通过全面评估证明其优于现有方法。